构建和测试 AI 代理，ChatBot，RAG 与 Ollama 和本地LLM

Build & Test AI Agents, ChatBot, RAG with Ollama & Local LLM

学习使用 Ollama 和 Local LLMs 和 RAGA 构建和测试 AI 代理、ChatBot、使用 LangChain 和 LangSmith 的 RAG

内容 隐藏
1 您将会学到
2 要求
3 描述
4 此课程面向哪些人：

您将会学到

  • 在本地计算机中运行LLMs以开发LLM应用程序
  • 了解 Langchain 构建 Local LLM 应用程序的强大功能
  • 了解链、提示、ChatPromptTemplates、ChatMessageHistory
  • 使用 Langchain 构建具有历史信息的聊天机器人
  • 使用 Vector 存储、嵌入和本地LLMs构建 RAG 应用程序
  • 了解和构建工具LLMs
  • 使用 Tooling 支持LLMs构建 AI 代理
  • 测试/评估 AI Agent 和 RAG 应用程序与 RAGAs

要求

  • Python 基础
  • 热衷于学习LLMs知识的力量来增强您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 & LocalLLMs 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 的了解为零 ，您也将逐步学习如何使用本地大型语言模型 （）LLMs 构建LLM基于 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 。

您将学到什么：

  • LangChain 和 LangSmith 的基础

  • LangChain 中的聊天消息历史记录 ，用于存储对话数据

  • 运行并行和多个链 （RunnableParallels 等）

  • 使用 LangChain 和 Streamlit 构建聊天机器人 （带有消息历史记录）

  • 了解 中的工具和工具链LLM

  • 构建工具和自定义工具LLM

  • 使用 LangChain 创建 AI 代理

  • 使用向量存储和本地LLM嵌入实现 RAG

  • 在构建LLM应用程序时将 AI 代理和 RAG 与工具结合使用

  • 使用 LangSmith 优化和调试 AI 应用程序

  • 评估和测试 LLMRAGAs 的应用

  • 真实世界的项目和实际测试策略

  • 使用 RAGAs 评估 RAG 和 AI 代理

整个课程在 Jupyter Notebook with Visual Studio 中讲授，提供交互式引导式体验 ，您可以在其中无缝运行代码并轻松学习。

在本课程结束时，您将能够自信地构建、测试和优化 AI 驱动的应用程序 ！

此课程面向哪些人：

  • 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
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。