- 【正版无广】封底 更新时间：2024-02-01 14:50:16
- 附录A ChatGPT沉思录
- 20.4.2 增强人的能力
- 20.4.1 增强人类智慧
- 20.4 “替代”还是“共生”
- 20.3 对话智能解决重复思考
- 20.2 你们的机会来了
- 20.1 很抱歉，我做了一个59分的机器人
- 20 AI与人，“替代”还是“共生”
- 19.3 设计合理的人工接入流程
- 19.2 对话交互是手段而非目的
- 19.1 AI产品的潜力在于产品设计
- 19 Chatbot的机会在哪里
- 第6部分 对话式AI的时代已经到来
- 18.2 Wechaty Puppet Service云服务
- 18.1 Wechaty Puppet Provider
- 18 Wechaty Puppet Provider和Wechaty Puppet云服务
- 17.4 如何使用自然语言编程Wechaty
- 17.3.2 如何使用Wechaty与GPT模型云API进行连接
- 17.3.1 GPT模型介绍及其云API
- 17.3 连接大语言模型云API
- 17.2.4 添加对话管理
- 17.2.3 添加异步操作发送图片
- 17.2.2 基于规则实现Chatbot的自动回复功能
- 17.2.1 开发Wechaty Chatbot
- 17.2 使用Wechaty实现具有基本功能的Chatbot
- 17.1.4 如何使用Wechaty连接微信账号
- 17.1.3 Wechaty中常用的API
- 17.1.2 安装Wechaty的步骤及注意事项
- 17.1.1 Wechaty项目介绍
- 17.1 Wechaty简介及安装
- 17 Wechaty SDK介绍及实战
- 16.5.2 电商行业的案例
- 16.5.1 金融行业的案例
- 16.5 RPA的案例
- 16.4 RPA的使用
- 16.3 RPA的发展趋势
- 16.2 RPA的应用场景
- 16.1.4 RPA在企业中的落地情况
- 16.1.3 RPA与AGI的结合
- 16.1.2 RPA的起源和技术演进
- 16.1.1 RPA本质上是一种更先进的生产力
- 16.1 RPA是什么
- 16 RPA简介
- 第5部分 机器人流程自动化：建立AGI与现实世界的接口
- 15.4.5 用户画像
- 15.4.4 用户总数
- 15.4.3 用户活跃度
- 15.4.2 用户留存率
- 15.4.1 活跃用户
- 15.4 用户分析
- 15.3.3 调用默认回答的次数
- 15.3.2 热门退出消息
- 15.3.1 异常对话记录
- 15.3 对话异常分析
- 15.2.7 转化路径分析
- 15.2.6 让用户为Chatbot评分
- 15.2.5 情绪分析
- 15.2.4 词云分析
- 15.2.3 消息漏斗
- 15.2.2 意图统计
- 15.2.1 对话聚类
- 15.2 对话内容分析
- 15.1.3 平台渠道分析
- 15.1.2 会话流量
- 15.1.1 时长与轮次
- 15.1 流量分析
- 15 运营反馈
- 14.3.5 Web Chat
- 14.3.4 Telegram
- 14.3.3 Slack
- 14.3.2 Facebook
- 14.3.1 E-mail
- 14.3 Bot Framework
- 14.2 钉钉
- 14.1.2 微信公众号
- 14.1.1 企业微信
- 14.1 微信
- 14 平台渠道集成
- 13.3.3 主观评价
- 13.3.2 客观评价
- 13.3.1 线上指标
- 13.3 闲聊型Chatbot测评指标
- 13.2.4 问题解决率
- 13.2.3 F值
- 13.2.2 召回率
- 13.2.1 准确率
- 13.2 问答型Chatbot测评指标
- 13.1.2 对话管理测评指标
- 13.1.1 自然语言理解测评指标
- 13.1 任务型Chatbot测评指标
- 13 系统测评
- 12.5.3 句子互动介绍
- 12.5.2 AutoGPT
- 12.5.1 LangChain
- 12.5 平台工具介绍
- 12.4.4 RAG变种之一：RAG-Fusion
- 12.4.3 RAG搭建实操
- 12.4.2 检索方法
- 12.4.1 工程化的Prompt实现
- 12.4 RAG搭建
- 12.3.2 对话策略优化
- 12.3.1 对话状态追踪
- 12.3 对话管理
- 12.2.2 实体提取
- 12.2.1 意图识别
- 12.2 自然语言理解
- 12.1.2 流程梳理
- 12.1.1 组件介绍
- 12.1 搭建前的准备
- 12 系统搭建
- 第4部分 Chatbot的生命周期（下）
- 11.5.2 PromptPerfect
- 11.5.1 FlowGPT
- 11.5 Prompt工具介绍
- 11.4.4 控制对话流
- 11.4.3 区别新老用户
- 11.4.2 为所有场景设置优先级
- 11.4.1 基于系统数据设计场景
- 11.4 针对搭建Chatbot业务流撰写Prompt
- 11.3.3 如何使用ChatGPT写一篇逻辑缜密、语义流畅的2000字论文
- 11.3.2 ChatGPT情人节约会指南
- 11.3.1 ChatGPT帮你写代码
- 11.3 Prompt Engineer实操
- 11.2.6 思维链
- 11.2.5 编写结构化Prompt
- 11.2.4 通过B.O.R.E框架设计Prompt
- 11.2.3 CRISPE框架
- 11.2.2 OpenAI官网的最佳实践
- 11.2.1 Prompt撰写的4个基础方法
- 11.2 撰写Prompt的原则和方法
- 11.1 何谓Prompt Engineer
- 11 Prompt撰写
- 10.5.2 数据更新
- 10.5.1 数据扩充
- 10.5 数据扩充和数据更新
- 10.4 数据切割
- 10.3.3 Doctran
- 10.3.2 PP-Structure
- 10.3.1 pdf.js
- 10.3 数据转换
- 10.2 数据清洗
- 10.1 数据收集
- 10 数据处理
- 9.3.3 合并业务线
- 9.3.2 绘制泳道图
- 9.3.1 绘制单通道流程图
- 9.3 抽取对话流程，绘制流程图
- 9.2 梳理业务要素
- 9.1 对话流程设计的原则
- 9 流程设计
- 8.4 案例：差旅Chatbot
- 8.3 “六何”产品需求分析法
- 8.2 确定Chatbot的形象
- 8.1 确定Chatbot的边界
- 8 需求分析
- 7.4 大语言模型时代的数据库
- 7.3.2 RAG与Fine-tuning：哪一个是构建大语言模型应用更好的方法
- 7.3.1 RAG简介
- 7.3 RAG：让大语言模型拥有特定的专属知识
- 7.2 设计Chatbot的生命周期
- 7.1 机器是如何与人进行交流的
- 7 Chatbot的生命周期概览
- 第3部分 Chatbot的生命周期（上）
- 6.9 不适合直接在客服场景中使用
- 6.8.3 活动策划
- 6.8.2 话术文案
- 6.8.1 IP打造
- 6.8 取代私域运营
- 6.7 传统文化生成器，让文化火起来
- 6.6 充当“花哨的”标题生成器
- 6.5 多语种转化
- 6.4 帮助提炼大量文字
- 6.3 编辑文章/改写论文表达
- 6.2 写文章
- 6.1 数字人大脑
- 6 ChatGPT的应用场景
- 5.9 ChatGPT背后的公司：OpenAI
- 5.8 ChatGPT的前世今生
- 5.7 关于ChatGPT的“猜概率”
- 5.6 ChatGPT立即体验
- 5.5 如何使用ChatGPT
- 5.4 ChatGPT对人工智能未来的发展趋势的判断
- 5.3 ChatGPT在营销场景中的作用
- 5.2 ChatGPT写书稿大纲
- 5.1 ChatGPT自己介绍自己
- 5 ChatGPT是什么
- 4 何谓通用人工智能
- 第2部分 通用人工智能的春天：引领未来的关键技术
- 3.3.3 问答型Chatbot
- 3.3.2 任务型Chatbot
- 3.3.1 闲聊型Chatbot
- 3.3 行业的典型分类
- 3.2.6 个人助手Chatbot
- 3.2.5 教育Chatbot
- 3.2.4 娱乐Chatbot
- 3.2.3 工作Chatbot
- 3.2.2 智能客服Chatbot
- 3.2.1 垂直行业Chatbot
- 3.2 功能分类
- 3.1 开放域和封闭域
- 3 Chatbot应用场景及分类
- 2.4 Prompt Engineer
- 2.3 职位的变革
- 2.2 对话式交互简介
- 2.1 交互演进简史
- 2 对话式交互的登场
- 1.3 关于本书
- 1.2 起伏跌宕
- 1.1 灼灼热望
- 1 人工智能的春天来了
- 第1部分 人工智能时代之骄子
- 本书特色
- 前言
- 推荐序三
- 推荐序二
- 推荐序一
- 内容简介
- 作者简介
- 版权信息
- 封面
- 封面
- 版权信息
- 作者简介
- 内容简介
- 推荐序一
- 推荐序二
- 推荐序三
- 前言
- 本书特色
- 第1部分 人工智能时代之骄子
- 1 人工智能的春天来了
- 1.1 灼灼热望
- 1.2 起伏跌宕
- 1.3 关于本书
- 2 对话式交互的登场
- 2.1 交互演进简史
- 2.2 对话式交互简介
- 2.3 职位的变革
- 2.4 Prompt Engineer
- 3 Chatbot应用场景及分类
- 3.1 开放域和封闭域
- 3.2 功能分类
- 3.2.1 垂直行业Chatbot
- 3.2.2 智能客服Chatbot
- 3.2.3 工作Chatbot
- 3.2.4 娱乐Chatbot
- 3.2.5 教育Chatbot
- 3.2.6 个人助手Chatbot
- 3.3 行业的典型分类
- 3.3.1 闲聊型Chatbot
- 3.3.2 任务型Chatbot
- 3.3.3 问答型Chatbot
- 第2部分 通用人工智能的春天：引领未来的关键技术
- 4 何谓通用人工智能
- 5 ChatGPT是什么
- 5.1 ChatGPT自己介绍自己
- 5.2 ChatGPT写书稿大纲
- 5.3 ChatGPT在营销场景中的作用
- 5.4 ChatGPT对人工智能未来的发展趋势的判断
- 5.5 如何使用ChatGPT
- 5.6 ChatGPT立即体验
- 5.7 关于ChatGPT的“猜概率”
- 5.8 ChatGPT的前世今生
- 5.9 ChatGPT背后的公司：OpenAI
- 6 ChatGPT的应用场景
- 6.1 数字人大脑
- 6.2 写文章
- 6.3 编辑文章/改写论文表达
- 6.4 帮助提炼大量文字
- 6.5 多语种转化
- 6.6 充当“花哨的”标题生成器
- 6.7 传统文化生成器，让文化火起来
- 6.8 取代私域运营
- 6.8.1 IP打造
- 6.8.2 话术文案
- 6.8.3 活动策划
- 6.9 不适合直接在客服场景中使用
- 第3部分 Chatbot的生命周期（上）
- 7 Chatbot的生命周期概览
- 7.1 机器是如何与人进行交流的
- 7.2 设计Chatbot的生命周期
- 7.3 RAG：让大语言模型拥有特定的专属知识
- 7.3.1 RAG简介
- 7.3.2 RAG与Fine-tuning：哪一个是构建大语言模型应用更好的方法
- 7.4 大语言模型时代的数据库
- 8 需求分析
- 8.1 确定Chatbot的边界
- 8.2 确定Chatbot的形象
- 8.3 “六何”产品需求分析法
- 8.4 案例：差旅Chatbot
- 9 流程设计
- 9.1 对话流程设计的原则
- 9.2 梳理业务要素
- 9.3 抽取对话流程，绘制流程图
- 9.3.1 绘制单通道流程图
- 9.3.2 绘制泳道图
- 9.3.3 合并业务线
- 10 数据处理
- 10.1 数据收集
- 10.2 数据清洗
- 10.3 数据转换
- 10.3.1 pdf.js
- 10.3.2 PP-Structure
- 10.3.3 Doctran
- 10.4 数据切割
- 10.5 数据扩充和数据更新
- 10.5.1 数据扩充
- 10.5.2 数据更新
- 11 Prompt撰写
- 11.1 何谓Prompt Engineer
- 11.2 撰写Prompt的原则和方法
- 11.2.1 Prompt撰写的4个基础方法
- 11.2.2 OpenAI官网的最佳实践
- 11.2.3 CRISPE框架
- 11.2.4 通过B.O.R.E框架设计Prompt
- 11.2.5 编写结构化Prompt
- 11.2.6 思维链
- 11.3 Prompt Engineer实操
- 11.3.1 ChatGPT帮你写代码
- 11.3.2 ChatGPT情人节约会指南
- 11.3.3 如何使用ChatGPT写一篇逻辑缜密、语义流畅的2000字论文
- 11.4 针对搭建Chatbot业务流撰写Prompt
- 11.4.1 基于系统数据设计场景
- 11.4.2 为所有场景设置优先级
- 11.4.3 区别新老用户
- 11.4.4 控制对话流
- 11.5 Prompt工具介绍
- 11.5.1 FlowGPT
- 11.5.2 PromptPerfect
- 第4部分 Chatbot的生命周期（下）
- 12 系统搭建
- 12.1 搭建前的准备
- 12.1.1 组件介绍
- 12.1.2 流程梳理
- 12.2 自然语言理解
- 12.2.1 意图识别
- 12.2.2 实体提取
- 12.3 对话管理
- 12.3.1 对话状态追踪
- 12.3.2 对话策略优化
- 12.4 RAG搭建
- 12.4.1 工程化的Prompt实现
- 12.4.2 检索方法
- 12.4.3 RAG搭建实操
- 12.4.4 RAG变种之一：RAG-Fusion
- 12.5 平台工具介绍
- 12.5.1 LangChain
- 12.5.2 AutoGPT
- 12.5.3 句子互动介绍
- 13 系统测评
- 13.1 任务型Chatbot测评指标
- 13.1.1 自然语言理解测评指标
- 13.1.2 对话管理测评指标
- 13.2 问答型Chatbot测评指标
- 13.2.1 准确率
- 13.2.2 召回率
- 13.2.3 F值
- 13.2.4 问题解决率
- 13.3 闲聊型Chatbot测评指标
- 13.3.1 线上指标
- 13.3.2 客观评价
- 13.3.3 主观评价
- 14 平台渠道集成
- 14.1 微信
- 14.1.1 企业微信
- 14.1.2 微信公众号
- 14.2 钉钉
- 14.3 Bot Framework
- 14.3.1 E-mail
- 14.3.2 Facebook
- 14.3.3 Slack
- 14.3.4 Telegram
- 14.3.5 Web Chat
- 15 运营反馈
- 15.1 流量分析
- 15.1.1 时长与轮次
- 15.1.2 会话流量
- 15.1.3 平台渠道分析
- 15.2 对话内容分析
- 15.2.1 对话聚类
- 15.2.2 意图统计
- 15.2.3 消息漏斗
- 15.2.4 词云分析
- 15.2.5 情绪分析
- 15.2.6 让用户为Chatbot评分
- 15.2.7 转化路径分析
- 15.3 对话异常分析
- 15.3.1 异常对话记录
- 15.3.2 热门退出消息
- 15.3.3 调用默认回答的次数
- 15.4 用户分析
- 15.4.1 活跃用户
- 15.4.2 用户留存率
- 15.4.3 用户活跃度
- 15.4.4 用户总数
- 15.4.5 用户画像
- 第5部分 机器人流程自动化：建立AGI与现实世界的接口
- 16 RPA简介
- 16.1 RPA是什么
- 16.1.1 RPA本质上是一种更先进的生产力
- 16.1.2 RPA的起源和技术演进
- 16.1.3 RPA与AGI的结合
- 16.1.4 RPA在企业中的落地情况
- 16.2 RPA的应用场景
- 16.3 RPA的发展趋势
- 16.4 RPA的使用
- 16.5 RPA的案例
- 16.5.1 金融行业的案例
- 16.5.2 电商行业的案例
- 17 Wechaty SDK介绍及实战
- 17.1 Wechaty简介及安装
- 17.1.1 Wechaty项目介绍
- 17.1.2 安装Wechaty的步骤及注意事项
- 17.1.3 Wechaty中常用的API
- 17.1.4 如何使用Wechaty连接微信账号
- 17.2 使用Wechaty实现具有基本功能的Chatbot
- 17.2.1 开发Wechaty Chatbot
- 17.2.2 基于规则实现Chatbot的自动回复功能
- 17.2.3 添加异步操作发送图片
- 17.2.4 添加对话管理
- 17.3 连接大语言模型云API
- 17.3.1 GPT模型介绍及其云API
- 17.3.2 如何使用Wechaty与GPT模型云API进行连接
- 17.4 如何使用自然语言编程Wechaty
- 18 Wechaty Puppet Provider和Wechaty Puppet云服务
- 18.1 Wechaty Puppet Provider
- 18.2 Wechaty Puppet Service云服务
- 第6部分 对话式AI的时代已经到来
- 19 Chatbot的机会在哪里
- 19.1 AI产品的潜力在于产品设计
- 19.2 对话交互是手段而非目的
- 19.3 设计合理的人工接入流程
- 20 AI与人，“替代”还是“共生”
- 20.1 很抱歉，我做了一个59分的机器人
- 20.2 你们的机会来了
- 20.3 对话智能解决重复思考
- 20.4 “替代”还是“共生”
- 20.4.1 增强人类智慧
- 20.4.2 增强人的能力
- 附录A ChatGPT沉思录
- 【正版无广】封底 更新时间：2024-02-01 14:50:16
