CHATGPT原理与架构+AIGCCHATGPT辅助软件开发（套装共2册），资深架构专家陈斌新作（套装共2册）

《ChatGPT 驱动软件开发：AI 在软件研发全流程中的革新与实践》
这是一本讲解以ChatGPT/GPT-4为代表的大模型如何为软件研发全生命周期赋能的实战性著作。它以软件研发全生命周期为主线，详细讲解了ChatGPT/GPT-4在软件产品的需求分析、架构设计、技术栈选择、高层设计、数据库设计、UI/UX 设计、后端应用开发、Web 前端开发、软件测试、系统运维、技术管理等各个环节的应用场景和方法，让读者深刻地感受到ChatGPT/GPT-4在革新传统软件工程的方式和方法的同时，还带来了研发效率和研发质量的大幅度提升。
    更为重要的是，本书能帮助架构师、开发工程师、数据库工程师、测试工程师、运维工程师、项目经理、产品经理、UI/UX工程师和技术管理者深入地理解ChatGPT/GPT-4的原理和应用，全面塑造他们在AI时代的核心竞争力，实现价值创新并形成竞争优势，为未来的发展奠定基础。
    作者在本书中创新性地提出了大模型时代的软件研发新范式——水母开发模式（顶部大、底部小）。该模式将研发活动分成6个层次，分别对应软件研发生命周期的分析、设计、编码、测试、部署和维护。其中分析和设计层的工作量大很多，类似水母的头部；其余4个层次的工作量较少，类似水母的触手。
    除此之外，本书还给出了工程师们与ChatGPT互动（Prompt）的步骤和注意事项，整个过程分为6步，只要遵循这6步就能比较容易地获得较为满意的输出结果。

《ChatGPT原理与架构：大模型的预训练、迁移和中间件编程》
这是一本深入阐述ChatGPT等大模型的工作原理、运行机制、架构设计和底层技术，以及预训练、迁移、微调和中间件编程的著作。它将帮助我们从理论角度全面理解大模型，从实践角度更好地应用大模型，是作者成功训练并部署大模型的过程复盘和经验总结。

第1章介绍了ChatGPT等大模型的发展历程、技术演化和技术栈等基础知识；
第2~5章深入讲解了Transformer的架构原理，并从GPT-1的生成式预训练到GPT-3的稀疏注意力机制详细描述了GPT系列的架构演进；
第6~8章从底层技术实现的角度讲解了大模型的训练策略、数据处理方法，以及如何利用策略优化和人类反馈来进一步提升模型的表现；
第9~10章首先详细讲解了大模型在垂直领域的低算力迁移方法，并给出了医疗和司法领域的迁移案例，然后讲解了大模型的中间件编程；
第11章对GPT的未来发展趋势进行预测，探讨数据资源、自回归模型的局限性，以及大模型时代具身智能的可行路线。

陈  斌
资深技术专家，IT技术领域的领军人物，有超过30年的支付、软件研发、技术架构、系统运维、技术管理经验。对人工智能技术及其应用有深入研究，对大模型在软件工程中的应用有丰富的实践经验。现任职日本华人支付创业企业NetStars的CTO，曾担任易宝支付的CTO、ebay/PayPal的高级架构师、Nokia美国的首席工程师。
CTO领袖联盟的联席主席和中国互联网技术百人会的理事长。从传统的大型计算机核心技术，到互联网技术应用，再到大数据、云计算、生物特征识别和金融科技，他都有非常丰富的实践经验。努力推动互联网技术与传统产业的结合，曾经多次参加“互联网大篷车”活动，足迹遍及中国大江南北的传统企业。
经常在中国、美国和日本的互联网行业论坛分享知识和经验，也在多所中国和日本的知名大学里教授互联网支付、金融科技和互联网技术管理等课程。著有畅销书《一本书读懂支付》，翻译并出版了《架构即未来》《架构真经》《数据即未来》等多部经典著作。

程  戈
博士生导师，湘潭大学计算机学院·网络空间安全学院教授，湘潭大学技术转移中心副主任，湘潭市京东智能城市与大数据研究院副院长，智慧司法与数字治理湖南省重点实验室副主任，CCF计算法学会执委。
大模型领域技术专家和布道者，作为两项科技部国家重点研发子课题的负责人，与成都数之联等多家企业合作推动人工智能在司法领域的落地，带领团队开发了JusticeGPT司法大模型，不同于其他的以提升司法领域知识问答能力为核心的司法大模型，该大模型致力于提升司法文献检索增强生成以及司法文档的多跳信息聚合能力，并通过特定的多任务表征与控制指令生成框架重构司法信息化系统的业务中台，实现司法业务编排以及工作流自动化。
连续创业者，先后创立湘潭安道致胜信息科技有限公司等多家企业，曾经作为共同创始人加盟美国WiFi Free llc. ，开发了WiFi Free、WiFi Analyzer?等项目，其中WiFi Free在2014到2015年是Google Play市场相关WiFi分享类应用下载的前三名。作为技术顾问，先后服务于北京捷通华声等多家企业，提供知识表示学习的技术解决方案，为某知名私募开发了基于深度学习的股票趋势预测系统，成为该私募公司的主要量化工具。

《ChatGPT 驱动软件开发：AI 在软件研发全流程中的革新与实践》
序
前言
第1章  ChatGPT与软件开发  1
1.1  技术发展对软件开发的影响  1
1.2  ChatGPT对编程的影响  4
1.3  ChatGPT对软件开发模式的影响  7
1.4  适合ChatGPT的水母开发模式  13
1.5  ChatGPT对开发工程师的影响  16
1.6  与ChatGPT沟通的技巧  18
1.7  小结  21
第2章  ChatGPT驱动需求分析  22
2.1  借助ChatGPT收集用户需求  22
2.2  借助ChatGPT分析用户需求  28
2.3  借助ChatGPT优化用户需求  31
2.4  ChatGPT生成需求规格说明书  36
2.5  小结  52
第3章  ChatGPT驱动架构设计  54
3.1  架构设计的过程  54
3.2  微服务架构简介  56
3.3  微服务架构设计原则  58
3.4  架构设计的思维框架  58
3.5  ChatGPT生成TMS微服务架构  60
3.6  小结  65
第4章  ChatGPT驱动技术栈选择  66
4.1  技术栈的基本概念  66
4.2  目前的主流技术栈及其比较  67
4.3  选择技术栈的原则  69
4.4  TMS技术栈选择  71
4.5  小结  78
第5章  ChatGPT驱动高层设计  79
5.1  高层设计的主要文档  79
5.2  高层设计的原则  81
5.3  ChatGPT辅助TMS高层设计  81
5.4  小结  90
第6章  ChatGPT驱动数据库设计  91
6.1  数据库设计与ChatGPT的协作  91
6.2  生成数据库表结构应该遵循的
原则  92
6.3  利用ChatGPT完成数据库设计  94
6.4  利用ChatGPT基于数据生成
数据库表结构  103
6.5  ChatGPT驱动TMS数据库
创建  107
6.6  小结  115
第7章  ChatGPT驱动UI/UX设计  116
7.1  利用ChatGPT指导UI/UX 的
设计原则  116
7.2  利用ChatGPT从UI/UX角度
分析用户需求  118
7.3  利用ChatGPT完成TMS界面
设计  128
7.4  小结  132
第8章  ChatGPT驱动后端应用
开发  133
8.1  后端概述  133
8.2  API基本概念  135
8.3  API设计原则  136
8.4  ChatGPT助力Web API开发  142
8.5  ChatGPT助力数据库API开发  143
8.6  ChatGPT生成TMS后端代码  145
8.7  小结  155
第9章  ChatGPT驱动Web前端开发  156
9.1  利用ChatGPT优化HTML
结构  156
9.2  借助ChatGPT提升CSS样式
效果  159
9.3  使用ChatGPT加速JavaScript
开发  162
9.4  前端工程化与ChatGPT  166
9.5  ChatGPT辅助前端测试  169
9.6  利用ChatGPT提高Web可
访问性  172
9.7  ChatGPT生成TMS前端代码  175
9.8  小结  189
第10章  ChatGPT驱动软件测试  190
10.1  利用ChatGPT制订测试计划  190
10.2  利用ChatGPT生成测试场景  197
10.3  利用ChatGPT生成测试用例  201
10.4  利用ChatGPT生成测试数据  207
10.5  利用ChatGPT进行缺陷管理和回归测试  210
10.6  利用ChatGPT为自动化测试提供建议  211
10.7  ChatGPT生成测试报告  212
10.8  小结  213
第11章  ChatGPT驱动系统运维  214
11.1  ChatGPT在系统监控中的应用  214
11.2  ChatGPT在故障定位中的应用  217
11.3  ChatGPT在性能优化中的应用  222
11.4  ChatGPT在漏洞检测中的应用  225
11.5  小结  228
第12章  ChatGPT驱动技术管理  229
12.1  利用ChatGPT生成项目管理计划  229
12.2  利用ChatGPT制定技术管理规范和流程  232
12.3  利用ChatGPT撰写与维护技术文档  233
12.4  利用ChatGPT进行知识管理  238
12.5  ChatGPT协助培训与技能提升  239
12.6  小结  240
第13章  ChatGPT的伦理与法规  241
13.1  数据隐私与安全问题  241
13.2  人工智能的伦理原则与责任归属  243
13.3  与ChatGPT相关的知识产权保护  245
13.4  相关法律法规与政策导向  246
13.5  小结  247
第14章  软件开发的未来展望与挑战  248
14.1  软件开发的未来展望  248
14.2  软件开发面临的挑战  250
14.3  应对软件开发未来挑战的措施  252
14.4  小结  253
附录Ａ  相关资源与工具推荐  254
附录B  TMS需求分析文档  256
附录C  TMS架构设计文档  268

《ChatGPT原理与架构：大模型的预训练、迁移和中间件编程》
前言
第1章  人工智能的新里程碑——ChatGPT  /  1
1.1  ChatGPT的发展历程  /  1
1.2  ChatGPT的能力  /  3
1.3  大语言模型的技术演化  /  6
1.3.1  从符号主义到连接主义  /  6
1.3.2  Transformer模型  /  7
1.3.3  无监督预训练  /  10
1.3.4  有监督微调  /  11
1.3.5  人类反馈强化学习  /  11
1.4  大语言模型的技术栈  /  12
1.5  大语言模型带来的影响  /  13
1.6