机读格式显示(MARC)

• 000 01660nam0 2200265 450

• 001 0000649119

• 005 20250730115455.0

• 010 __ |a 978-7-121-50930-8 |d CNY88.00

• 092 __ |a CN |b 人天1188-3421

• 100 __ |a 20250730d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a y z 000yy

• 106 __ |a r

• 200 1_ |a 网络工程师的AI之路 |b 专著 |e 基于大语言模型的运维实战 |f 王印，朱嘉盛著

• 210 __ |a 北京 |c 电子工业出版社 |d 2025.08

• 215 __ |a 129页 |d 24cm

• 314 __ |a 王印，《网络工程师的Python之路》联合作者，知乎专栏“网路行者”作家，知乎ID，弈心，沙特阿卜杜拉国王科技大学(King Abdullah University of Science and Technology，KAUST)高级网络工程师。朱嘉盛《网络工程师的Python之路》联合作者，知乎专栏“网工手艺”知识博主。2010年毕业于华南理工大学。

• 330 __ |a 本书以LangChain这一强大的Python框架为核心，结合在线LLM(如ChatGPT)和离线LLM(如Llama3.2)，详细讲解AI在网络配置、故障排查、自动化运维等场景中的落地应用，同时兼顾国产网络设备厂商及国产LLM(如Deepseek/Qwen)的迁移和拓展。本书亮点包括：LangChain实战，深入解析LangChain模块，教你如何高效集成LLM，构建智能运维工具链；在线与离线LLM结合，既涵盖基于ChatGPT的云端AI应用，也详解如何在本地部署Llama3.2等开源模型，满足不同安全与性能需求；RAG(检索增强生成)技术，利用外部知识库增强LLM的准确性，使其在网络运维中提供更精准的解决方案；MCP(多链协同处理)策略，通过任务分解与多模型协作，优化复杂网络问题的处理流程；真实案例驱动，涵盖网络配置生成、日志分析、故障诊断等典型场景，提供可复现的代码示例。

• 333 __ |a 网络工程师、运维开发人员、AI技术爱好者及IT技术人员

• 606 0_ |a 自然语言处理

• 690 __ |a TP391 |v 5

• 701 _0 |a 王印 |4 著

• 701 _0 |a 朱嘉盛 |4 著

• 801 _0 |a CN |b 人天书店 |c 20250807