本课程是集成 Langchain 和 Ollama 以构建、自动化和部署 AI 应用程序的实用指南。学习设置这些工具、创建提示模板、自动化工作流程、管理数据检索以及在 AWS 上部署实际应用程序。每个部分都旨在为您提供实践技能和经验。

您将学到什么

1. Ollama & Langchain 设置

   • 完成 Ollama 和 Langchain 的设置和安装。

   • 配置基本 URL 并处理直接 API 调用。

   • 建立高效集成的环境。

2. 快速工程

   • 了解 AI、人工和系统消息提示。

   • 使用 AIPromptTemplate、Human、System 和 ChatMessagePromptTemplate 来调整响应。

   • 探索 invoke 方法以控制模型的行为。

3. 用于工作流程自动化的 Chains

   • 学习 Sequential Chain 和 Parallel Chain 来构建灵活的工作流程。

   • 使用自定义链并探索 Chain Runnables 以提高自动化程度。

   • 使用 Langchain 的链接功能实现实际工作流。

4. 输出解析

   • 使用 JSON、CSV、Markdown 和 Pydantic 等解析器格式化数据。

   • 解析结构化输出，并对有序的数据使用日期时间输出处理。

5. 聊天消息内存

   • 使用 BaseChatMessageHistory 和 InMemoryChatMessageHistory 管理聊天会话。

   • 创建带内存的聊天应用程序以改善用户体验。

6. 构建和部署聊天机器人

   • 使用 Streamlit 构建聊天机器人应用程序。

   • 维护聊天记录并有效处理用户输入。

7. 文档加载器和检索

   • 使用网页、PDF、HTML 数据的加载器。

   • 检索和汇总文档、转换文本数据以及使用矢量存储。

8. 向量存储和检索

   • 使用 FAISS 和 Chroma 集成矢量存储以进行文档检索。

   • 重新加载检索器、为文档编制索引并提高检索准确性。

9. 工具调用和自定义代理

   • 为 Tavily Search、PubMed、Wikipedia 等设置工具。

   • 设计可与代理一起使用的自定义工具，并执行分步说明。

10. 实际集成

• 在 MySQL 上执行基于文本的查询。

• 解析 LLM LinkedIn 个人资料

• 解析作业恢复LLM

• 在 AWS 上使用 OLLAMA 部署 LLAMA （LAMA）

本课程适合谁

• 希望将 Langchain 和 Ollama 用于 AI 应用程序的开发人员和数据科学家。

• 希望自动化工作流程和创建文档检索系统的 AI 爱好者。

• 需要在 AWS 上构建端到端聊天机器人或部署应用程序的专业人员。

• 具有基本 Python 知识并希望获得实际 AI 工具实践经验的学习者。

在本课程结束时，您将具备构建、部署和管理 AI 驱动的应用程序（从聊天机器人到文档检索器）的技能，为生产做好准备。