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。

使用向量数据库进行 RAG 存储与检索

Create Your Free Account