欢迎使用 LangChain 框架在 LLM 上构建应用！您将学习 LangChain 的主要组件，包括模型、链、智能体、提示词和解析器。您会使用来自 Hugging Face 的开源模型和 OpenAI 的专有模型创建聊天机器人，构建提示词模板，并集成不同的聊天记忆策略，以在对话中管理上下文和资源。

LangChain 生态系统

在 LangChain 中使用 OpenAI 模型！

在 LangChain 中使用 Hugging Face 模型！

Prompt 模板

提示模板与链式调用

聊天提示模板

少样本提示

创建 few-shot 示例集

构建 few-shot 提示模板

实现 few-shot 提示

LangChain 与聊天机器人机制简介

是时候升级您的 LangChain 链了！您将学习使用 LangChain 表达式语言（LCEL）更灵活地定义链。您会创建顺序链，在组件之间传递输入，以构建更高级的应用。您还将开始集成智能体，让 LLM 用于决策。

顺序链（Sequential chains）

为顺序链构建提示

使用 LCEL 的顺序链

LangChain 代理入门

什么是 Agent？

ReAct 代理

为代理自定义工具

为工具使用定义函数

创建自定义工具

将自定义工具集成到代理中

链与智能体

LLM 的一个限制是由于只在某个时间点之前的数据上训练，因而存在知识截止。在本章中，您将学习创建使用检索增强生成（RAG）的应用，把外部数据与 LLM 集成。RAG 工作流包含多个过程，包括数据切分、使用向量数据库创建并存储嵌入，以及检索与应用最相关的信息。您将学会掌握这一整套工作流！

集成文档加载器

PDF 文档加载器

CSV 文档加载器

HTML 文档加载器

为检索拆分外部数据

按字符分割

按字符递归分割

拆分 HTML

使用向量数据库进行 RAG 存储与检索

准备文档与向量数据库

构建检索提示模板

创建一个 RAG 链

总结！

检索增强生成（RAG）

借助 LangChain 框架的强大能力，为基于大型语言模型（LLMs）的应用赋能，革新您的应用！在生成式 AI 时代，开发应用的一大挑战是将来自不同提供商的模型、数据源、提示词和其他组件集成到一个应用中。LangChain 框架提供统一的语法，将这些要素有机结合，使您更顺畅地把 LLM 集成进项目。无论您是经验丰富的开发者还是刚刚起步，本课程都将帮助您掌握构建动态智能应用的知识与技能，充分发挥 LangChain 的潜力。欢迎加入本课程，一起重塑基于语言模型的应用开发方式。

视频提供实时字幕，您可点击视频左下方的 "Show transcript" 显示。
课程术语表位于右侧的资源部分。
若要获得 CPE 学分，您需要完成课程并在合格测评中达到 70% 的分数。您可以点击右侧的 CPE 学分提示进入测评。

<h2>LangChain 生态系统开发基础</h2>
借助 LangChain 生态系统扩展你的 LLM 工具包，实现与 OpenAI 和 Hugging Face 模型的无缝集成。  发现一个开源框架，它可优化真实世界应用，并让你为自己的具体用例创建复杂的信息检索系统。<br><br>
<h2>使用 LangChain 的聊天机器人创建方法</h2>
利用 LangChain 工具开发聊天机器人，并比较 HuggingFace 开源模型与 OpenAI 闭源模型之间的细微差别。 利用提示模板处理复杂对话，为高级聊天机器人开发奠定基础。<br><br>
<h2>使用 LangChain 进行数据处理与检索增强生成（RAG）</h2>
掌握分词和向量数据库，优化数据检索，并通过丰富的外部信息增强聊天机器人交互。  利用 RAG 记忆功能来优化多样化用例。<br><br>
<h2>高级链、工具和代理集成</h2>
利用链、工具、代理、API 和智能决策的强大能力，处理完整的端到端用例以及高级 LLM 输出处理。<br><br>
<h2>调试与性能指标</h2>
最后，掌握调试、优化和性能评估，确保你的聊天机器人具备错误处理能力。  为故障排查增加透明度。

Introduction to Embeddings with the OpenAI API

Prompt Engineering with the OpenAI API

了解如何在LangChain中使用LLM、提示、链和代理构建AI应用。

使用 LangChain 开发 LLM 应用

了解如何使用 LLM、提示、链和代理在 LangChain 中构建 AI 驱动的应用程序。

为检索拆分外部数据

Create Your Free Account