内容 隐藏
1 2025 基于 LangChain 和 LangGraph 的自主式 RAG – Ollama
2 2025 Agentic RAG with LangChain and LangGraph – Ollama
2.1 你将学到什么
2.2 要求
2.3 描述
2.4 这门课程适合谁：

2025 基于 LangChain 和 LangGraph 的自主式 RAG – Ollama

2025 Agentic RAG with LangChain and LangGraph – Ollama

使用 LangChain、LangGraph 和 Ollama 的 RAG 分步指南 | DeepSeek R1、QWEN、LLAMA、FAISS、Doclings、VectorDB

你将学到什么

  • 理解 RAG 概念：学习检索增强生成（RAG）的基础知识，以及它如何通过结合检索和生成来增强 AI 系统。
  • 使用 LangChain 和 LangGraph：掌握使用 LangChain 和 LangGraph 构建 AI 工作流和无缝集成工具的方法。
  • 构建智能 RAG 系统：使用代理式、纠正式、自适应和自我改进等技术创建智能和自适应的 RAG 系统。
  • 在生产中部署 AI：获得使用 Streamlit 和 AWS EC2 等工具有效部署基于 RAG 的 AI 解决方案的技能。

要求

  • 基础编程知识：熟悉 Python 会有帮助，但初学者也可以通过练习跟上进度。
  • 学习的好奇心：愿意探索 AI 概念并动手实践项目，这就是你需要的全部！
  • 系统要求：一台可上网的计算机，并能够安装 Python 及所需库/工具。

描述

学习如何使用 LangChain、LangGraph、Ollama 和 OpenAI 构建智能 AI 系统！本课程将逐步教你创建检索增强生成（RAG）系统。无论你是初学者还是有 AI 经验，这门课程都适合你。

你将学到：

  • 安装 Ollama： 学习如何设置和使用 Ollama 为你的 AI 模型。

  • LangChain 和 LangGraph 基础： 了解这些工具以及如何将它们一起使用。

  • 文档加载器（Doclings）： 轻松加载和准备文档以供您的 AI 系统使用。

  • 向量存储和检索： 使用数据库快速查找和检索信息。

  • 智能代理式 RAG： 构建能够像智能助手一样行动的 AI 系统。

为何选择这门课程？

这门课程将复杂主题变得易于理解。您将通过实际案例进行练习，并在课程结束时构建自己的 AI 解决方案。您还将获得生成式 AI 最新工具的实践经验，并能在构建实用、可投入生产的应用程序时充满信心。

无论你是学生、开发者还是科技爱好者，这门课程都将为你提供将 AI 想法变为现实所需的技能。通过清晰的讲解、引导项目和专家提示，你将准备好创建能够解决实际问题的创新 AI 产品。

今天就开始你的智能、更强大的 AI 系统创建之旅！

这门课程适合谁：

  • AI 初学者：那些想要探索 AI 工作原理并学习如何逐步构建智能系统的人。
  • 开发者和程序员：具备 Python 基础知识的人，想要深入了解 RAG（检索增强生成）并使用 LangChain 和 LangGraph 等工具。
  • 数据科学家和机器学习爱好者：专业人士或学生，渴望提升在创建智能、自适应和可生产 AI 解决方案方面的技能。
  • 科技爱好者与好奇学习者：任何对 AI 充满热情并希望构建创新系统，而无需先前高级知识的人。
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。