深入大模型系统：提示工程、符号推理与智能体实践

全书共9章。第1章首先对大模型技术进行概述，系统梳理其概念、发展里程碑及未来趋势。第2章转入产业视角，深入剖析竞争格局、商业策略与产业落地面临的挑战。

第3～5章介绍大模型系统的技术实现，从监督学习、迁移学习等方法入手，逐步深入文本标记化、编码器-解码器架构与从RNN/LSTM到Transformer的革新，再介绍缩放定律、数据/算力/参数等预训练要素，以及指令微调、基于人类反馈的强化学习对齐机制。

第6～9章从产业实践的角度解析应用层技术，包括上下文学习、检索增强生成等提示工程方法，深入剖析以思维链为代表的符号推理，以及从工作记忆、长期记忆到认知架构的语言智能体体系的构建。