资源介绍
书籍背景与目标
背景：生成式人工智能和大语言模型的快速发展为信息系统工程带来了前所未有的机遇，但目前将 LLMs 整合到信息系统工程中的方法较为零散，缺乏全面统一的框架。
目标：基于 2024 年 3 月开始开发并在 CAiSE 2024 会议上展示的教程扩展而来，旨在提供一个统一框架，帮助读者系统地利用 LLMs 进行信息系统设计、开发和优化等工作。
书籍结构与主要内容
章节组成：全书共 11 章，涵盖 LLMs 的历史、基础概念、参考框架、在信息系统中的应用调查、编程 LLMs、检索增强生成、LLM 代理、实际应用、伦理与治理以及结语等内容。
核心内容
LLMs 相关基础：介绍了 LLMs 的发展历史，从早期的符号 AI 到生成式 AI 的演进，以及统计语言模型、神经语言模型、预训练语言模型到大型语言模型的发展阶段；解释了 LLMs 的基本概念，包括深度学习基础、注意力机制、Transformer 架构、预训练和微调方法等。
信息系统相关框架：阐述了信息系统的参考框架，包括数据、信息、知识的概念，信息系统的生命周期（规划、设计、开发、测试与验证、监控与维护），以及信息和知识管理层中的数据分析和信息提取等内容。
LLMs 在信息系统中的应用：调查了 LLMs 在信息系统生命周期各阶段的应用，包括规划阶段的战略对齐、需求获取，设计阶段的模型构建，开发阶段的技术框架定义，测试与验证阶段的系统验证，监控与维护阶段的系统监督等；还介绍了编程 LLMs 的工具和库、提示工程技术，以及检索增强生成（RAG）、LLM 代理等技术在信息系统中的应用。
伦理与治理：讨论了 LLMs 的伦理影响和治理框架，分析了不同国家的监管方法以及负责任的 AI 部署的关键原则。
作者与贡献者
由罗马萨皮恩扎大学的研究团队合作完成，各章节由博士生和博士后撰写，编辑们对章节内容进行了仔细修订和内容定义，以确保框架的统一性。
contributors 均来自罗马萨皮恩扎大学，研究领域涉及计算机科学工程、管理工程等，在 LLMs 及其在信息系统构建中的应用方面具有丰富实践经验。
书籍特色与价值
实用性：提供了代码和示例的 GitHub 仓库，方便读者实践和扩展书中介绍的方法和技术。
目标读者：面向信息系统、软件工程与架构、业务流程管理等领域的研究人员、从业者和学生，通过理论基础和实际应用相结合，帮助他们掌握利用 LLMs 设计、开发和优化现代信息系统的知识和工具。
前瞻性：尽管 LLMs 领域发展迅速，但书中呈现的概念被认为具有一定的持久性，旨在为该快速发展领域提供有价值的参考资源。