小册描述
目录
- 带你快速了解大语言模型(LLM)基础与发展
- 国内外主要LLM及特点介绍
- 大模型的不足以及主要解决方案
- AIGC产业拆解以及常见名词解释
- 应用级开发者如何拥抱AI2.0时代?
- 智能体(agent)命理大师虚拟项目(需求分析、技术选型、技术分解)
- 初始langchain:LLM大模型与AI应用的粘合剂
- langchain是什么以及发展过程
- langchain能做什么和能力一览
- langchain的优势与劣势分析
- langchain使用环境的搭建
- 先跑起来:第一个实例,了解langchain的基本模块
- 常见问题:国内大模型的使用
- 常见问题:大模型的选择
- 常见问题:国产大模型接入方式
- 常见问题:推荐解决方式
- langchain0.2版本介绍与基本使用
- LangGraph:基于状态机的工作流
- 模型IO 大语言模型的交互接口
- prompts模板:更加高级和灵活的提示词工程
- prompts实战两种主要的提示词模板
- 自定义prompts模板
- 两种模板引擎以及组合模板使用
- 序列化模板使用
- 示例选择器之根据长度动态选择提示词示例组
- 示例选择器之MMR与最大余弦相似度
- langchain核心组件:LLMs vs chat models
- 更好的体验:流式输出
- 花销控制:token消耗追踪
- 输出结构性:不止于聊天
- RAG:检索增强生成是什么?
- loader:让大模型具备实时学习的能力
- 文档转换实战:文档切割
- 文档转换实战:总结精炼和翻译
- Lost in the middle 长上下文精度处理问题
- 文本向量化实现方式
- 与AI共舞的向量数据库
- Chatdoc 又一个智能文档助手
- ChatDoc 几种检索优化的方式
- ChatDoc 与文件聊天交互