ChatGPT与大模型研究

引言 在前面几章中，我们已经覆盖了大量概念性内容。到现在为止，你应该已经对监控 LLM 驱动应用有了扎实的基础理解。现在，是时候认识本书的核心重点：Langfuse——一个开源的 LLM 可观测性平台

引言 监控 LLM 并不只是验证它们是否在运行；它还要确保它们持续交付符合准确性、效率和安全目标的结果。本章介绍 LLM 监控的基础原则，并说明这些实践与传统软件可观测性有何不同。它讨论了多个监控维度

引言 大语言模型（Large Language Models，LLMs）正在凭借理解和生成人类式内容的能力改变世界。本章将介绍 LLM 的基础知识：它们如何工作、核心架构是什么，以及如今正在被应用于哪

FastAPI 一个非常好的设计特性，是一种叫作依赖注入的技术。这个术语听起来技术味很重，也有点晦涩，但它是 FastAPI 的一个关键方面，而且在很多层面上都出人意料地有用。本章会介绍 FastAP

预览 FastAPI 很大程度上建立在一个名为 Pydantic 的 Python 包之上。它使用模型，也就是 Python 对象类，来定义数据结构。这些模型在 FastAPI 应用程序中被大量使用，

预览 上一章简要介绍了开发者在编写一个新的 FastAPI 应用程序时最先会遇到的内容。本章重点介绍 FastAPI 底层的 Starlette 库，尤其是它对异步处理的支持。在概览 Python 中

在第 7 章中，你已经构建了能够使用 tools 并做出 decisions 的 agents。但有一件很有意思的事情：我们对所有事情都使用了同一个 model。这当然能工作，但并不总是最聪明的选择。

在第 6 章中，你已经通过 Model Context Protocol 将 AI models 连接到了 external tools。Claude Desktop 可以与 GitHub 交互、查询

一个可工作的 AI prototype 与一个 production-ready system 之间的差距，比大多数 practitioners 预想的更大。那些在 development envir

在今天 AI-driven enterprise landscape 中，能够将 generative AI applications grounded 在准确、最新的 organizational

随着 organizations 快速采用 generative AI applications 来转型其 operations，一个关键挑战随之出现：如何确保这些强大的 systems 在安全、可靠

想象一家 global financial institution 投入数百万美元购买 cutting-edge generative AI models，结果却发现，它们精心 curated、并且为

本章将提供一份全面路线图，用于构建一个 AI-ready data framework，以适配企业级 GenAI applications 的复杂需求。我们将： 考察核心架构及其 essential

本章将考察 generative AI（GenAI）technologies 的快速增长，并介绍其成功实施所需的关键 data infrastructure。Foundation models 的采用

Responsible AI 是一个新兴领域，关注如何信任 model 或 AI Agent 的输出，以及如何构建 ethical AI system。信任 AI 的最大障碍之一是 hallucina

在本章中，我们将探索如何使用 Agentic AI，并基于 Large Language Models（LLMs）或 Small Language Models（SLMs），构建 multi-agen

在前几章中，你已经学习了如何使用 Azure AI Foundry Agent Service 创建第一个 AI agent，并探索了 connected agents 的 multi-agent o

现代 AI systems 的能力，取决于它们能够访问什么数据。虽然 Large Language Models（LLM）提供了强大的 general reasoning capabilities，但

想象一下，你拥有一个 digital assistant，它不仅能回答问题，还能代表你完成任务，例如预订会议、筛选销售线索，或研究竞争对手。这就是 AI agent 的力量。传统 chatbots 会