使用 Ollama 和本地 LLM 构建和测试 AI 代理、ChatBot、RAG
学习使用 Ollama 和本地 LLM 和 RAGA 通过 LangChain 和 LangSmith 构建和测试 AI 代理、ChatBot、RAG
讲师：Karthik KK
双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
您将学到什么
- 在本地机器上运行 LLM 以开发 LLM 应用程序
- 了解 Langchain 在构建本地 LLM 应用程序方面的强大功能
- 了解 Chain、Prompts、ChatPromptTemplates、ChatMessageHistory
- 使用 Langchain 构建包含历史信息的聊天机器人
- 使用向量存储、嵌入和本地 LLM 构建 RAG 应用程序
- 理解和构建法学硕士 (LLM) 工具
- 利用 LLM 工具支持构建 AI 代理
- 使用 RAGA 测试/评估 AI 代理和 RAG 应用程序
探索相关主题
要求
- Python 基础知识
- 热衷于学习法学硕士 (LLM) 知识的力量，以增强你的应用程序工作流程
- 热衷于构建 AI 代理、RAG 应用程序并对其进行测试
描述
使用 Ollama 和本地 LLM 构建和测试 AI 代理、聊天机器人和 RAG
本课程专为完全的初学者设计- 即使您对 LangChain 一无所知，您也将逐步学习如何使用本地大型语言模型 (LLM)构建基于 LLM 的应用程序。
我们将超越开发，深入研究使用RAGA评估和测试 AI 代理、RAG 应用程序和聊天机器人，以确保它们遵循 AI 性能的关键行业指标，提供准确可靠的结果。
您将学到的内容：
-
LangChain 和 LangSmith 的基础知识
-
LangChain 中的聊天消息历史记录用于存储对话数据
-
运行并行和多链（RunnableParallels 等）
-
使用 LangChain 和 Streamlit构建聊天机器人（带有消息历史记录）
-
了解 LLM 中的工具和工具链
-
为 LLM 构建工具和自定义工具
-
使用 LangChain创建 AI 代理
-
使用向量存储和本地 LLM 嵌入实现 RAG
-
构建 LLM 应用程序时使用 AI 代理和 RAG 工具
-
使用 LangSmith优化和调试 AI 应用程序
-
使用 RAGA评估和测试 LLM 应用程序
-
真实项目和实际测试策略
-
使用 RAGA评估 RAG 和 AI 代理
整个课程都在 Jupyter Notebook 中使用 Visual Studio 进行讲授，提供交互式指导体验，您可以无缝运行代码并轻松跟随。
完成本课程后，您将能够自信地构建、测试和优化人工智能应用程序！
本课程适合哪些人：
- 初级开发人员或 QA 工程师
- AI工程师/测试员
- AI 测试员/Gen AI 测试员
如果你有能力，请务必支持课程的原创作者，这是他们应得的报酬！
本站收取的费用，仅用来维持网站正常运行的必要支出，从本站下载任何内容，说明你已经知晓并同意此条款。
