温馨提醒
如果文章内容或图片资源失效,请留言反馈,我们会及时处理,谢谢
本文最后更新于2024年2月22日,已超过 180天没有更新
本项目是一个面向小白开发者的大模型应用开发教程,旨在结合个人知识库助手项目,通过一个课程完成大模型开发的重点入门,主要内容包括:
大模型简介,何为大模型、大模型特点是什么、LangChain 是什么,针对小白开发者的简单介绍;
如何调用大模型 API,本节介绍了国内外知名大模型产品 API 的多种调用方式,包括调用原生 API、封装为 LangChain LLM、封装为 Fastapi 等调用方式,同时将包括百度文心、讯飞星火、智谱AI等多种大模型 API 进行了统一形式封装;
大模型开发流程及架构,大模型应用开发的基本流程、一般思想和本项目的架构分析;
数据库搭建,不同类型知识库文档的加载、处理,向量数据库的搭建;
Prompt 设计,如何设计 Prompt 来让大模型完成特定任务,Prompt Engineering 的原则和技巧有哪些;
验证迭代,大模型开发如何实现验证迭代,一般的评估方法有什么;
前后端开发,如何使用 Gradio、FastAPI 等框架快速开发大模型 Demo,展示应用能力。
目录:
第一章 大模型简介 @徐虎
什么是大模型
大模型的能力、特点
常见大模型
什么是 LangChain
第二章 调用大模型 API @邹雨衡
基本概念
调用 ChatGPT
调用百度文心
调用讯飞星火
调用智谱GLM
总结
第三章 大模型开发流程及架构 @邹雨衡
大模型一般开发流程简介
个人知识库助手项目流程简析
第四章 数据库搭建 @高立业
知识库文档处理
向量数据库简介及使用
构建项目数据库
第五章 Prompt 设计 @徐虎
Prompt 设计的原则及技巧
基于问答助手的 Prompt 构建
添加历史对话功能
第六章 验证迭代 @邹雨衡
验证迭代的一般思路
解决 Bad Case
大模型评估方法
第七章 前后端搭建 @高立业
Gradio 简介与页面搭建
FastAPI 进行前后端分离
第八章 总结及拓展 @邹雨衡
致谢
核心贡献者
邹雨衡-项目负责人(Datawhale成员-对外经济贸易大学研究生)
徐虎-内容创作者(Datawhale成员)
高立业-内容创作者(DataWhale成员-算法工程师)
崔腾松-项目支持者(Datawhale成员-奇想星球联合发起人)
June-项目支持者(Datawhale成员-奇想星球联合发起人)
其他
特别感谢 @Sm1les、@LSGOMYP 对本项目的帮助与支持;
特别感谢奇想星球 | AIGC共创社区平台提供的支持,欢迎大家关注;
如果有任何想法可以联系我们 DataWhale 也欢迎大家多多提出 issue;
特别感谢以下为教程做出贡献的同学!
GitHub地址:https://github.com/datawhalechina/llm-universe
在线网址:https://datawhalechina.github.io/llm-universe/
评论0+