友情链接:
合作联系
|
ASPEN培训课程
此课程为 Langchain 0.3 初级课程，核心为提示词+RAG。
§ 希望成为 ��LLM 产品经理 的专业人士，希望了解 LLM 的商业和技术应用。
§ 想要转型成为 ��LLM 软件工程师 的开发者，希望通过实际编程加深对 LLM 的理解。
§ 想具备一定 AI 认知和实战技能的 ��项目经理、敏捷教练、Scrum Master、DevOps 人员。
§ ⭕️ 入门门槛：开箱即用的积木代码 + ChatGpt + 组内助理，点击即可运行。
§ 跨越门槛：快速消除初入人工智能领域的陌生与畏惧感。
§ 认知提升：深入理解大语言模型的工作原理及其在多种场景下的实际应用。
§ 编程技能：非编程背景的学员也能通过课程提供的积木代码尝试编写和改进代码。
§ 项目实战：围绕假想产品实际操作 LLM 平台，解决实际问题。
§ 自学赋能：通过对 Langchain 框架的解读、基于 ChatGpt 的自动化编程，让没有 AI 和 python 基础的学员在课后仍然能编写和扩展应用
什么是大语言模型 LLM
§ LLM 的发展历史
§ LLM 是如何工作的
§ LLM 与 AI 的关系
应用与限制
§ LLM 在理解、生成、推理能力方面的具体表现
§ LLM 面临的挑战，如偏见、误解和数据依赖性
§ 讨论如何通过技术和策略改进来克服这些局限
§ 通过 ChatGpt 的框架解析，理解大语言模型 APP 的前后台关系
§ 通过 ChatGpt 中存在的若干问题，指出 LLM 在处理该案例时可能遇到的问题，并提出可能的解决方案。
§ 亲手操作 LLM，从最基础的“Hello World!”程序开始，逐步学习如何调用 LLM 进行简单的文本生成
§ 解释 API 的使用方法与调用参数
§ 讲解如何安全有效地管理 API 账号与密钥
§ 理解 LLM Api 的计费方式与持续性成本
§ 利用 ChatGpt 编写代码 此内容可让完全没有编程基础的学员，生成、改进、调试 python 代码，从而解决课后的持续开发问题；可使用文心一言、通义千问等替代
§ 使用提供的 API，编写一个简单的问题回答脚本+��
§ 让 LLM 能循环回答用户问题（需借助 ChatGpt 编程） +����
§ 学习如何设计有效的提示词以引导 LLM 生成更高质量的内容
§ 介绍不同类型的提示词模板，如静态提示、动态提示
§ 探讨如何利用用户输入调整提示词以改善交互质量
§ 让 LLM 编写并执行代码
§ 让 LLM 进行智能销售分析
§ 对参数的排列组合后传入 LLM
§ 从 LLM 返回的结果中，获取结构化数据
§ 为 AI 设置一个合理的人设与规则 +��
§ 限定 AI 回答问题的范围 +��
§ 使用 2 种以上人类语言回答问题 +��
§ 使输出格式成为一个可以被解析的 json 结构 +����
§ 介绍如何通过集成外部数据来提高 LLM 的输出质量和相关性
§ 讲解如何构建一个向量数据库，并使用检索增强技术来改进模型的答案质量
§ 创建一个简单的 OA 助手
§ 借助本地文档回答问题
§ 借助内网/外网网页内容回答问题
§ 访问本地一个目录中的所有文档（Markdown 格式）+����
§ 访问一个 URL 页面的网页内容 +����
§ 探讨如何通过对话记忆和持久化技术来实现复杂的会话管理
§ 介绍如何使用 LLM 存储和回忆过往对话内容
§ 了解如何处理长期记忆和短期记忆的不同技术策略
§ 与用户进行多轮相关联的对话
§ 在多轮对话中使用多个不同文档的内容进行分析
§ 执行多轮关联对话 +��
§ 上下文来自不同的文档 +����
§ 至少一次上下文来自 URL 页面的网页内容 +����
�� 知识点
§ 了解智能体与工具的基本运行原理原理
§ 进一步实践与感受大语言模型的能力与限制
§ 调用大语言模型，对图片进行判别
�� 知识点
§ 理解多模态的运行机制
§ 学习基于图片的多模态描述与识别
§ 描述图片
§ 判定图片
§ 尝试增加一个图片识别相关的功能 比如评价或判定物理看板的状态
�� 知识点
§ 了解大语言模型应用如何嵌入到常见的软件中
§ 用真实案例了解大语言模型的 DevOps 及运营流程
§ 观察大语言模型调用过程
§ 观察与控制大语言模型的调用成本
§ 理解 token 的计算
§ 理解大语言模型调用中的计费组成
§ 调用数学工具，对数学问题进行计算
§ 案例 1：某生活服务小程序
§ 小程序 + WebApi + LangServe
§ 案例 2：某多模态考试小程序
§ uniApp + WebApi + LangServe + Mongodb + 科大讯飞 Api
§ 案例 3：某办公插件应用
§ vscode/word/excel 插件 + WebApi + LangServe + LangSmith
