این کتاب راهنمای  جامعی برای توسعه دهندگان پایتون است که می خواهند برنامه نویسی به مدل زبان های سطح بالا را بیاموزند شامل مثالهایی است که به راحتی قابل دنبال کردن است . همچنین یک راهنمای گام به گام برای توسعه برنامه های کاربردی با استفاده از کتابخانه GPT4 و  ChatGPT Python ، از جمله تولید متن، پرسش و پاسخ، و ابزارهای خلاصه‌سازی محتوا می باشد. این کتاب طوري طراحی شده که عموم علاقمندان به هوش مصنوعی با خواندن آن می توانند از مطالب استفاده کنند و همچنین با ارائه مدل هاي زبانی مختلف و نحوه برنامه نویسی با آنها درك تفاوت هاي بین مدل‌ها  را آشکار می سازد.

مقدمه:

فصل 1: GP4 و ملزومات CHAT GPT

معرفی مدل های زبان بزرگ

بررسی مبانی مدل های زبان و NLP

درک معماری ترانسفورمر  و نقش آن در LLM

رمزگشایی از مراحل توکن سازی و پیش بینی در مدل های  GPT:

تاریخچه مختصر: از GPT-1 تا GPT-4

GPT1

GPT2

GPT3

از GPT-3 تا InstructGPT

GPT-3.5، Codex و ChatGPT

موارد استفاده LLM و محصولات نمونه

چشم من باش

مورگان استنلی (Morgan Stanley)

آکادمی خان (Khan Academy)

دولینگو(Duolingo)

یابل(Yabble)

وی مارک (Waymark)

اینوردآی (Inworld AI)

مراقب توهمات هوش مصنوعی باشید: محدودیت ها و ملاحظات

بهینه سازی مدل های GPT با افزونه ها و تنظیم دقیق

خلاصه

فصل 2: بررسی عمیق GPT-4 و ChatGPT API

مفاهیم اساسی

مدل های موجود در OpenAI API

آزمایش مدل‌های GPT با زمین¬بازی OpenAI

شروع به کار: کتابخانه OpenAI Python

دسترسی OpenAI و کلید API

مثال “Hello World

استفاده از ChatGPT و GPT-4

گزینه های ورودی برای نقطه پایانی تکمیل چت

فرمت نتیجه خروجی برای نقطه پایانی تکمیل چت

از تکمیل متن تا توابع

استفاده از سایر مدل های تکمیل متن

گزینه های ورودی برای نقطه پایانی تکمیل متن

فرمت نتیجه خروجی برای نقطه پایانی تکمیل متن

ملاحظات

قیمت گذاری و محدودیت های توکن

امنیت و حریم خصوصی: احتیاط!

سایر API ها و عملکردهای OpenAI

جاسازی ها

مدل اعتدال

Whisper و DALL-E

خلاصه (و برگه تقلب)

فصل 3: ساخت اپلیکیشن با GPT-4 و ChatGPT

مروری بر توسعه برنامه

مدیریت کلید API

امنیت و حریم خصوصی داده ها

اصول طراحی معماری نرم افزار

آسیب پذیری های برنامه LLM-Powered

تجزیه و تحلیل ورودی ها و خروجی ها

اجتناب ناپذیری تزریق سریع

پروژه های نمونه

پروژه 1: ساختن یک راه حل تولید کننده خبر

پروژه 2: خلاصه کردن ویدیوهای YouTube

پروژه 3: ایجاد یک متخصص برای Zelda BOTW

پروژه 4: کنترل صدا

خلاصه

فصل 4: تکنیک های پیشرفته GPT-4 و ChatGPT

مهندسی سریع

طراحی اعلان های موثر

گام به گام فکر کردن

بهبود اثربخشی دستورات سریع

تنظیم دقیق

شروع شدن

تنظیم دقیق در مقابل یادگیری با دادگان محدود

تنظیم دقیق با OpenAI API

برنامه های کاربردی تنظیم دقیق

تولید و تنظیم دقیق داده های مصنوعی برای یک کمپین بازاریابی ایمیلی

هزینه تنظیم دقیق

خلاصه

فصل 5: ارتقاء قابلیت های LLM با چارچوب و پلاگین LangChain

چارچوب LangChain

درخواست های پویا

عوامل و ابزار

حافظه

جاسازی ها

پلاگین های GPT-4

بررسی اجمالی

The API

افزونه آشکار

مشخصات OpenAPI

توضیحات

خلاصه

نتیجه

واژه نامه اصطلاحات کلیدی