资源介绍：

现在以 GPT 为代表的大语言模型广受关注，许多企业都在积极探索在自身领域落地 AIGC 技术

虽然大模型在辅助文档编写、问题回答、内容总结等特定的日常任务上表现良好，但想要把 GPT 这类自然语言模型真正应用到企业应用开发，提高系统的智能化和自动化，我们仍然面临着许多挑战

LLM 基于历史数据训练，处理最新信息相关查询的能力有限

与环境的交互问题处理难度大，比如通过 LLM 执行 shell 命令或调用 API 等任务，都涉及到对系统外部环境的联动

LLM 需要结合企业内部数据训练调优，才能保障生成内容的准确性

LLM 的代码生成能力虽然很强大，但往往针对通用功能，无法处理企业里更复杂的需求

课程目录

• 01-第一个大模型程序：HelloGPT
• 02｜提示词技巧：获得代码友好的回复
• 03-初识LangChain：你的瑞士军刀
• 04｜保持会话状态：让Chatbot获得记忆
• 05-对话启发式UI：交互方式的新思考
• 06-FunctionCalling：让GPT学会使用工具
• 07｜LangChainAgent：让GPT学会使用工具
• 08｜In-contextlearning：学习解决特定任务
• 09｜ReAct模式：构建自己的AutoGPT
• 10｜文本分片及向量化：让大模型应用企业内部数据
• 11｜LangChainRetrieval：连接大模型和内部文本
• 12｜整合所学：构建多模态Chatbot
• 13｜研发全过程中的应用：硅基工程师诞生
• 14｜代码生成：解决代码生成的依赖性并增强确定性
• 15｜有效利用LLM开发：编写大模型友好的代码
• 16｜云原生部署任务实践：让你成为更好的DevOps工程师
• 17｜HuggingFace与Pre-trainedModel：借助AI社区的力量
• 18｜架构展望：集成大模型的应用参考架构
• 结课测试｜来赴一场满分之约吧！.ts
• 结束语｜道阻且长，行则将至
• 课程介绍.ts
• 内容综述
• 直播回放｜Semantic-Kernel大模型开发实战