资源介绍：

基于AI火爆框架Langchain与LLM，赋能各领域企业轻松具备符合自身业务的智能化能力

AI Agent已成为企业在构建智能化的定制化需求、解决特定问题、提升竞争力、创造新商业机会的关键。无论你是否是LLM领域的开发者，都非常值得领先学习。本课程将带你从零开始掌握一套能满足不同业务场景的智能化解决方案，并手把手带你打通从需求分析、项目设计、开发、部署、优化等核心环节，让你借助Langchain与LLM的强大能力，轻松集成专业知识库与外部API工具，高效打造精准解决企业定制化、智能化AI Agent。另外，课程中为你分享了主流行业案例和实践经验，帮你分析AI原生应用时代程序员的职业发展路径，助力提升你的综合能力和竞争力，先人一步成为AI 时代下的抢手人才

课程目录

• 第1章 多模型强应用：AI2.0时代应用开发者机会
• 1-1 深入了解课程，让你少走弯路，必看！！！
• 1-2 带你快速了解大语言模型(LLM)基础与发展
• 1-3 国内外主要LLM及特点介绍
• 1-4 大模型的不足以及主要解决方案
• 1-5 AIGC产业拆解以及常见名词解释
• 1-6 应用级开发者如何拥抱AI2.0时代？
• 1-7 智能体(agent)命理大师虚拟项目（需求分析、技术选型、技术分解）
• 第2章 初识langchain：LLM大模型与AI应用的粘合剂
• 2-1 初始langchain：LLM大模型与AI应用的粘合剂
• 2-2 langchain是什么以及发展过程
• 2-3 langchain能做什么和能力一览
• 2-4 langchain的优势与劣势分析
• 2-5 langchain使用环境的搭建
• 2-6 先跑起来：第一个实例，了解langchain的基本模块
• 2-7 本章梳理与总结
• 第3章 LangChain核心模块与实战：用prompts模板调教LLM的输入出
• 3-1 章节介绍
• 3-10 langchain核心组件：LLMs vs chat models
• 3-11 更好的体验：流式输出
• 3-12 花销控制：token消耗追踪
• 3-13 输出结构性：不止于聊天
• 3-14 本章小结
• 3-2 模型IO 大语言模型的交互接口
• 3-3 prompts模板：更加高级和灵活的提示词工程
• 3-4 prompts实战两种主要的提示词模板
• 3-5 自定义prompts模板
• 3-6 两种模板引擎以及组合模板使用
• 3-7 序列化模板使用
• 3-8 示例选择器之根据长度动态选择提示词示例组
• 3-9 示例选择器之MMR与最大余弦相似度
• 第4章 LangChain知识库构建与RAG设计：增强自己大模型能力，实现与各种文档对话
• 4-1 本章介绍
• 4-10 Chatdoc 又一个智能文档助手（2）
• 4-11 ChatDoc 几种检索优化的方式
• 4-12 ChatDoc 与文件聊天交互
• 4-13 本章小结
• 4-2 RAG：检索增强生成是什么？
• 4-3 loader：让大模型具备实时学习的能力
• 4-4 文档转换实战：文档切割
• 4-5 文档转换实战：总结精炼和翻译
• 4-6 Lost in the middle 长上下文精度处理问题
• 4-7 文本向量化实现方式
• 4-8 与AI共舞的向量数据库
• 4-9 Chatdoc 又一个智能文档助手（1）
• 第5章 LangChain链与记忆处理：带你实现大模型记忆增强，让你的大模型更加智能
• 5-1 本章介绍
• 5-10 四种处理文档的预制链(2)
• 5-11 四种文档预制链使用(3)
• 5-12 四种文档预制链使用(4)
• 5-13 memory工具使用(1)
• 5-14 Memory工具使用(2)
• 5-15 Memory工具使用(3)
• 5-16 为链增加memory（1）
• 5-17 为链增加memory(2)
• 5-18 主要的预制链和memory工具
• 5-19 本章小结
• 5-2 chains：langchain的重要组成部件
• 5-3 四种基本的内置链的介绍与使用(1)
• 5-4 四种基本的内置链的介绍与使用(2)
• 5-5 四种基本的内置链的介绍与使用(3)
• 5-6 四种基本的内置链的介绍与使用(4)
• 5-7 四种基本的内置链的介绍与使用(5)
• 5-8 链的不同调用方法和自定义
• 5-9 四种处理文档的预制链(1)
• 第6章 Agent核心与实践：初窥未来机器人，学Agent基本开发，让大模型不止于聊天
• 6-1 本章介绍
• 6-10 LCEL是什么
• 6-11 LCEL不同的接口实现
• 6-12 LCEL里chain和prompt实现
• 6-13 LCEL记忆的添加方式
• 6-14 LCEL Agents的使用（1）
• 6-15 LCEL Agents的使用（2）
• 6-16 最佳开发实践
• 6-17 本章小结
• 6-2 什么是agent
• 6-3 第一个agent
• 6-4 几种主要的agents类型介绍（1）
• 6-5 几种主要的agents类型介绍（2）
• 6-6 agent中正确添加memory的方式
• 6-7 如何让agent与tool共享记忆
• 6-8 tool的使用
• 6-9 tookit的使用
• 第07章 AI Agent智能体开发：工善其事，必利其器，一步步教你搭建agent开发环境
• 07-01 本章介绍
• 07-02 虚拟项目demo演示
• 07-03 虚拟项目产品需求分析
• 07-04 虚拟项目技术架构
• 07-05 项目开发环境搭建
• 07-06 本章小结
• 第08章 AI Agent智能体开发：API层的实现以及智能体性格和行为设计
• 08-01 本章介绍
• 08-02 使用fastapi搭建API层
• 08-03 主Class与agent框架
• 08-04 使用prompt设计agent性格与行为
• 08-05 使用chain来判断输入情绪
• 08-06 langserve介绍
• 08-07 本章小结
• 第09章 AI Agent智能体开发：快速掌握tool以及向量数据库使用
• 09-01 本章介绍.mp4
• 09-02 tools设计实现1
• 09-03 tools设计实现2
• 09-04 tools设计实施3
• 09-05 agent的memory处理1
• 09-06 agent的memory处理2
• 09-07 agent学习能力构建
• 09-08 本章小结
• 第10章 AI Agent智能体开发：让Agent具备语音能力
• 10-01 本章介绍
• 10-02 语音逻辑设计
• 10-03 微软TTS能力介绍
• 10-04 -1 voice函数的实现
• 10-05 -2 voice函数的实现
• 10-06 AI语音克隆和TTS介绍
• 10-07 本章小结
• 第11章 AI Agent智能体开发：项目扩展与集成【数字人与IM集成】
• 11-01 本章介绍
• 11-02 电报机器人+agent的实现
• 11-03 Docker部署与调试追踪
• 11-04 项目扩展：agent数字人（1）
• 11-05 项目扩展：agent数字人（2）
• 11-06 项目扩展：agent数字人（3）
• 11-07 项目扩展：agent数字人（4）
• 11-08 项目扩展：agent数字人（5）
• 11-09 项目扩展：agent数字人（6）
• 11-10 本章小结
• 第12章 课程总结
• 12-01 课程总结