├── 课程导学
├── P1前置准备
│ ├── 01、通义千问大模型的接入
│ ├── 02、代码调用云端的大模型
│ ├── 03、使用环境变量保护APIKEY
│ ├── 04、Ollama简介
│ ├── 05、win&mac部署ollama并运行蒸馏模型
│ └── 06、代码调用ollama的本地模型
├── P2OpenAI库的基础使用
│ ├── 01、OpenAI库的基础使用
│ ├── 02、OpenAI库的流式输出模式
│ └── 03、OpenAI库附带历史消息调用模型
├── P3提示词工程
│ ├── 01、大模型prompt工程指南
│ ├── 02、提示词优化案例介绍和零样本少样本思想
│ ├── 03、提示词优化案例_金融文本分类任务
│ ├── 04、Json数据格式
│ ├── 05、提示词优化案例_金融文本信息抽取
│ └── 06、提示词优化案例_金融文本匹配
├── P4RAG开发
│ ├── 01、LangChain的简介
│ ├── 02、LangChain的环境部署
│ ├── 03、RAG介绍
│ ├── 04、[扩展]向量的基础概念
│ ├── 05、[扩展]余弦相似度算法
│ ├── 06、LangChain调用大语言模型
│ ├── 07、LangChain模型的流式输出
│ ├── 08、LangChain调用聊天模型
│ ├── 09、LangChain消息的简写形式
│ ├── 10、LangChain调用嵌入模型
│ ├── 11、LangChain通用提示词模板
│ ├── 12、FewShot提示词模板
│ ├── 13、模板类的format和invoke方法
│ ├── 14、ChatPromptTemplate的使用
│ ├── 15、Chain的基础使用
│ ├── 16、[扩展]或运算符的重写
│ ├── 17、简单理解Runnable接口
│ ├── 18、StrOutputParser字符串输出解析器
│ ├── 19、JsonOutputParser和多模型执行链
│ ├── 20、自定义函数加入链
│ ├── 21、Memory临时会话记忆
│ ├── 22、Memory长期会话记忆
│ ├── 23、CSVLoader
│ ├── 24、JSONLoader
│ ├── 25、TextLoader和文档分割器
│ ├── 26、PyPDFLoader
│ ├── 27、VectorStores向量存储
│ ├── 28、基于向量检索构建提示词
│ └── 29、RunnablePassthrough的使用
├── P5RAG项目
│ ├── 01、RAG项目案例介绍
│ ├── 02、RAG项目-文本上传WEB服务
│ ├── 03、RAG项目-md5工具函数开发
│ ├── 04、RAG项目-知识库更新服务
│ ├── 05、RAG项目-完成离线流程开发
│ ├── 06、RAG项目-在线流程向量存储服务代码
│ ├── 07、RAG项目-rag服务核心代码开发
│ ├── 08、RAG项目-历史会话记录功能的实现
│ └── 09、RAG项目-聊天页面开发
