第1版推荐序

OpenAI发布 ChatGPT 的那个夜晚，我极其兴奋地与“她”聊到了凌晨三四点，一个朴素的聊天框满足了过去十多年我对AI生产力的幻想！以 GPT-4 为代表的大模型（LLM）的迅速发展，对于所有开发者乃至知识工作者而言都是一个崭新的起点，是“以一敌十”的生产力神器，也拉开了涌现AI原生应用舞台的序幕。

LLM 技术和基于LLM的应用（以下简称LLM应用）正在以天为单位快速发展。过去这段时间，我和团队接触了数千名对开发LLM应用抱有热情的开发者，与大家一同解锁LLM技术栈的潜力，其中不乏创业者快速收获用户、获得融资并在几个月内获得了声望（Dify 或许也是幸运儿之一）；也有开发者在使用LLM改进现有应用及团队工作流。我们可以看到的数据是：一方面，LangChain 仅在中国的开发者用户占比就高达全部用户的 40% 以上；但另一方面，我们感受到LLM应用开发者占据中国全部开发者的比重还很低，LLM 应用开发在中国还处于早期。

作为经历过 Web 1.0 时代和 Web 2.0 时代的技术人，我深知“早期”二字意味着稀缺的机遇。

社区开发者讨论得最多的两个问题是：

●AI原生应用究竟应该是什么样的？

●LLM应用技术栈应该怎么玩？

图灵公司引进出版了 O'Reilly 的《大模型应用开发极简入门：基于 GPT-4 和 ChatGPT》，你大概一个下午就可以读完这本书，对上述两个问题建立总体认识，并动手完成自己的第一个基于 GPT-4 的应用。如此短小精悍的书甚至还包含LLM原理的介绍和提示工程的技巧。我甚至认为今后的技术书都应该“这样”，因为你可以结合与 ChatGPT 互动问答的方式更高效地学习。

不知你是否有过组装计算机的经历，如今LLM应用技术栈中的模型（例如 GPT-4）就相当于计算机中的 CPU，开发框架（例如 LangChain 或 Dify）则相当于主板，而向量存储、插件就好比主板上的各种 I/O 组件。正如组装计算机一样，开发者在构建LLM应用时也需理解、精心挑选和配置每个组件。

要掌握这个全新的技术栈，最佳的方式便是结合问题，跟着好奇心动手试试。我敢和你说这绝对是一段有趣、有启发、有收获的冒险旅程！