AI工程训练营：构建AI应用（LangChain、LLM API等）

在当今技术飞速发展的时代，人工智能（AI）已经从实验室走向了现实世界的各个角落。无论是聊天机器人、智能助手，还是图像生成工具，AI正在重塑我们与技术互动的方式。然而，仅仅使用AI工具已经远远不够——未来的开发者需要掌握如何构建AI应用的能力。这正是“AI工程训练营：构建AI应用（LangChain、LLM API等）”课程的核心目标。

课程时长：18.5小时 1920X1080 mp4 语言：英语+中英文字幕 （精译）含课程文件

从Python基础到AI工程

任何强大的建筑都需要坚实的基础，AI应用开发也不例外。本课程的第一步是帮助学员夯实Python编程技能。Python是AI开发的主流语言，但仅仅会写脚本是不够的。课程将教授如何编写模块化代码、高效处理API调用以及灵活操作数据。这些技能是后续学习的基础，也是成为一名优秀AI工程师的必备能力。

深入理解大型语言模型（LLM）

大型语言模型（LLM）是当前AI领域最热门的技术之一。课程将带领学员深入探索LLM的工作原理、训练过程以及如何通过高级提示工程（Prompt Engineering）与它们高效交互。理解这些内容不仅能让开发者更好地利用现有模型，还能为未来的模型优化和创新打下基础。

实战：构建AI应用

理论学习固然重要，但真正的能力来自于实践。课程的核心部分将聚焦于如何利用OpenAI和Gemini等API构建真实世界的AI应用。学员将学习如何开发聊天机器人、语音应用和图像生成工具，并掌握如何将这些技术整合到实际项目中。

LangChain与AI代理

LangChain是一个强大的框架，用于构建基于LLM的应用程序。课程将详细介绍如何使用LangChain创建具有记忆和工具调用能力的AI代理。这些代理可以执行复杂的任务，例如多轮对话、动态决策和工具链调用。此外，学员还将学习如何使用LangGraph框架设计状态化、多步骤的工作流，从而构建更复杂的AI系统。

嵌入与向量数据库

为了让AI应用更智能，课程还将涵盖嵌入（Embeddings）和向量数据库的使用。这些技术是实现检索增强生成（RAG）的关键，能够显著提升搜索和问答系统的性能。学员将学习如何将文本数据转换为向量表示，并利用向量数据库进行高效检索。

调试与优化

构建AI应用不仅仅是编写代码，还需要确保其性能和可靠性。课程将介绍如何使用LangSmith工具分析和调试LLM驱动的应用，帮助学员识别性能瓶颈并优化系统。这些技能对于将AI应用部署到生产环境至关重要。

从实验到工程：终极项目

课程的最终阶段是一个综合性项目——构建一个AI研究助手。这个项目将整合所有学到的技术，包括检索、工具调用和推理能力，以生成高质量的现实数据摘要。通过这个项目，学员将从“实验AI”迈向“工程AI”，真正掌握构建复杂AI系统的能力。

课程亮点

1. OpenAI与Gemini API实战：学习如何利用这些强大的API构建多样化的AI应用。
2. 高级提示工程：掌握如何设计高效的提示词，以充分发挥LLM的潜力。
3. LangChain与LangGraph：学习如何构建具有记忆和工具调用能力的AI代理。
4. 嵌入与RAG：利用向量数据库实现智能搜索和问答功能。
5. 生产级调试：使用LangSmith工具分析和优化AI应用。
6. 全功能AI研究助手：通过终极项目整合所有技能，完成从零到一的开发。

你将构建什么
学习AI的最佳方式是真正构建AI应用，而非无止境地观看教程。因此本课程的核心是让你完成多个实战项目，这些作品还将为你的作品集增添亮点。

项目清单
▸ 基于Gemini API的对话型AI智能体
运用Google Gemini API创建聊天助手，掌握对话处理、响应流式传输技术，构建高响应度的真实场景聊天机器人界面。

▸ 基于OpenAI API的健康膳食规划器
使用OpenAI API和DALL·E生成全天健康膳食方案，包含食谱与原创配图。学习提示设计及多模态AI工作流构建。

▸ 基于RAG与LangChain的私有文档问答系统
利用LangChain、嵌入技术和向量数据库构建智能问答系统，实现对私有文档的检索增强生成式精准问答。

▸ 基于LangGraph的AI写作修改助手
开发能自我反思、修订并优化文稿的AI写作助手，掌握使用LangGraph与自定义逻辑构建迭代式智能体工作流。

▸ 全栈研究智能体（集成LangGraph/GPT-4o/RAG/Pinecone/ArXiv/Google SerpAPI）
打造能从ArXiv学术平台和互联网获取信息，并进行摘要与结构化处理的全栈研究助手，融合GPT-4o、LangGraph、RAG与实时API工具。

另有4个进阶项目
持续锤炼你的AI工程能力

“AI工程训练营：构建AI应用（LangChain、LLM API等）”不仅仅是一门课程，更是一次从AI使用者到AI工程师的蜕变之旅。无论你是希望进入AI领域的初学者，还是希望提升技能的资深开发者，这门课程都将为你提供实战经验和深度知识，帮助你在AI时代脱颖而出。未来的编程属于那些不仅会使用AI，还能构建AI的人——现在就是开始的最佳时机。

课程目录：

1. AI工程训练营：使用LLM API、LangChain等构建AI应用！使用Jupyter Notebook
2. 使用Jupyter Notebook
3. 使用虚拟环境（venv）
4. Python中requests和httpx库入门
5. 处理HTTP错误
6. 管理HTTP认证和请求头（OpenAI API）
7. 环境设置：Jupyter Notebook与Pandas
8. Pandas Series和DataFrames简介
9. 导入和导出数据：处理CSV文件
10. 将数据导出为不同格式（Excel、JSON、SQL、YAML）
11. 修改数据：添加与删除列和行
12. 使用df.iloc[]和df.loc[]访问数据
13. 使用df.sample()和df.head()进行数据抽样与预览
14. 过滤数据：掩码(Masks)与pandas.Series.between()
15. 排序数据：理解Pandas排序方法
16. 处理缺失数据
17. 数据聚合与分组
18. 项目：分析网站流量数据
19. Pandas中的时间序列数据操作
20. LLM与生成式AI基础
21. 词元(Tokens)、上下文窗口与成本
22. 探索LLM API：AI即服务
23. OpenAI Playground、Google AI Studio与Anthropic Workbench
24. LLM的挑战与局限
25. AI现状与未来——优势与弊端
26. 预训练数据（互联网）
27. 词元化(Tokenization)
28. 训练神经网络
29. 训练后监督微调（SFT）与强化学习（RL）
30. 强化学习（RL）
31. 通过RL变得比人类更强大：AGI与ASI
32. 人类反馈强化学习（RLHF）
33. 如何应对幻觉(Hallucinations)问题
34. 使用工具：互联网搜索、代码解释器与深度搜索
35. 核心思想回顾（核心摘要）
36. 使用Python Dotenv进行OpenAI认证
37. 聊天补全(Chat Completions)端点
38. 开发者消息
39. 流式传输API响应
40. 使用本地Base64图像作为输入
41. 使用在线图像作为输入
42. 聊天补全API参数：Temperature（温度）与Seed（种子）
43. 聊天补全API参数：Top P、Max Tokens、Penalties（惩罚）
44. 深入OpenAI推理模型（o1与o3）
45. 推理模型提示的最佳实践
46. 使用Whisper进行转录
47. 使用Whisper进行翻译
48. 文本转语音（TTS）API
49. 使用DALL-E 3生成原创图像
50. 使用DALL-E创建图像变体
51. 使用DALL-E编辑图像
52. 提示工程入门
53. 策略1：使用分隔符清晰定位指令
54. 策略2：为上下文提供详细指令
55. 策略3：使用富文本格式（RTF）
56. 策略4：少样本提示（Few-Shot Prompting）
57. 策略5：指定完成任务所需的步骤
58. 策略6：给予模型思考时间
59. 其他更优提示的策略与原则
60. 使用防护(Guarding)避免幻觉
61. 总结
62. 项目介绍
63. 使用OpenAI API创建每日膳食计划
64. 创建提示
65. 运行程序
66. 使用DALL-E为食谱生成原创图像
67. 使用文本转语音模型为餐食配音
68. 设置Python SDK并进行Gemini API认证
69. 根据文本提示生成文本
70. 流式传输Gemini响应
71. 根据图像生成文本
72. Gemini API生成参数：控制模型生成响应的方式
73. Gemini API生成参数详解
74. 构建聊天对话
75. 项目：使用Gemini Pro构建对话智能体
76. 系统指令
77. 文件API：使用媒体文件进行提示
78. 词元(Tokens)
79. 使用音频提示
80. 项目需求
81. 构建应用程序
82. 测试应用程序
83. Streamlit：将Jupyter Notebook转换为交互式Web应用
84. 使用Streamlit创建Web应用布局
85. 使用Streamlit会话状态保存和显示历史记录
86. 练习：冒名顶替综合症
87. 项目介绍
88. 使用生成器获取图像
89. 使用Gemini重命名图像
90. LangChain演示
91. LangChain简介
92. 使用OpenAI模型
93. 缓存LLM响应
94. LLM流式传输
95. 提示模板(Prompt Templates)
96. 聊天提示模板(ChatPromptTemplate)
97. 理解链(Chains)
98. 安装Gemini的Python库并进行Gemini认证
99. 将Gemini与LangChain集成
100. 使用系统提示并启用流式传输
101. 多模态AI与Gemini
102. LangChain工具：DuckDuckGo和Wikipedia
103. 创建ReAct智能体
104. 测试ReAct智能体
105. OpenAI文本嵌入(Embeddings)入门
106. 生成简单嵌入
107. 为相似性搜索嵌入数据集
108. 使用Tiktoken估算嵌入成本
109. 执行语义搜索
110. 项目介绍
111. 加载您的自定义（私有）PDF文档
112. 加载不同格式的文档
113. 公共和私有服务加载器
114. 分块策略与文档分割
115. 向量存储(Vector Stores)入门与Pinecone认证
116. 使用Pinecone索引(Indexes)
117. 处理向量(Vectors)
118. Pinecone命名空间(Namespaces)
119. 嵌入并上传至向量数据库（Pinecone）
120. 提问并获取答案
121. 使用Chroma作为向量数据库
122. 为RAG系统添加记忆（聊天历史）
123. 使用自定义提示
124. 智能体(Agents)与ReAct简介
125. 创建智能体类
126. 创建ReAct提示
127. 创建工具(Tools)
128. 测试智能体
129. 自动化智能体
130. LangGraph概念与核心组件
131. 构建聊天机器人
132. 可视化图(Graph)
133. 运行聊天机器人
134. Tavily AI
135. 使用工具增强聊天机器人
136. 为聊天机器人添加记忆
137. 反思(Reflection)入门
138. 生成(Generate)
139. 反思与重复(Reflect and Repeat)
140. 定义图（第1部分）
141. 定义图（第2部分）
142. 运行应用程序
143. LangSmith入门
144. 设置LangSmith
145. 使用LangSmith进行追踪(Tracing)
146. 追踪反射式智能体应用
147. 项目概述
148. 定义智能体状态和提示
149. 实现智能体与节点(Nodes)
150. 定义条件边(Conditional Edge)
151. 定义图(Graph)
152. 运行应用程序
153. 使用LangSmith追踪应用
154. 注意
155. 应用概述
156. 使用Pandas从ArXiv提取数据
157. 下载研究论文
158. 加载、分割和扩展数据
159. 为RAG构建知识库
160. 创建Pinecone索引
161. 加载知识库并部署至Pinecone
162. 开发自定义工具
163. 实现ArXiv获取工具
164. 使用Google SerpAPI解锁网络搜索
165. 构建Google SerpAPI工具
166. 创建RAG工具
167. 实现最终答案生成工具
168. 初始化Oracle LLM
169. 测试生态系统
170. 构建决策管道
171. 定义智能体状态
172. 定义图(Graph)
173. 生成报告
174. 构建最终研究报告
175. 项目总结
176. 理解Python模块
177. OS模块
178. 高级导入技术与最佳实践
179. 使用 name == “main” 实现模块化与可重用代码
180. 使用pip掌握Python包管理
181. 感谢！

下载说明：
温馨提示：本产品封面图片为 AI 生成，仅用于展示参考。课程内容、服务及相关权益以实际购买课程为准。
1、成为会员获取资源更划算！
2、资源默认为百度网盘、123网盘链接，请用浏览器打开输入提取码不要有多余空格，如无法获取 请联系站长补发。
3、分卷压缩包资源 需全部下载后解压第一个压缩包即可，下载过程不要强制中断，建议用winrar解压或360解压缩软件解压！
4、1li学习站所发布资源仅供用户自学自用，用户需以学习为目的，按需下载，严禁批量采集搬运共享资源等行为，望知悉！！！
5、1li学习站，感谢您的赞赏与支持！平台所收取打赏费用仅作为平台服务器租赁及人员维护资金 费用不为素材本身费用，望理解知悉！平台资源仅供用户学习观摩使用，请下载24小时内自行删除，如需商用请支持原版作者！请知悉并遵守！