|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/ollama-and-langchain/
课程评论：没有评论
课程名称：2025 精通 Langchain 和 Ollama - 聊天机器人、RAG 和智能代理 课程概述：本课程是一个实用指南，旨在将 Langchain 和 Ollama 集成，以构建、自动化和部署 AI 应用程序。您将学习如何设置这些工具，创建提示模板，自动化工作流程，管理数据检索，并在 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。 您将学习的内容包括： 1. **Ollama 与 Langchain 设置**： - 完成 Ollama 和 Langchain 的安装及设置。 - 配置基础 URL 和处理直接 API 调用。 - 建立高效集成的环境。 2. **提示工程**： - 理解 AI、用户和系统消息提示。 - 使用 AIPromptTemplate、Human、System 和 ChatMessagePromptTemplate 来塑造响应。 - 探索 invoke 方法以控制模型行为。 3. **工作流自动化的链**： - 学习顺序链、并行链和路由链，构建灵活的工作流。 - 使用自定义链，并探索 Chain Runnables 增强自动化。 - 使用 Langchain 的链式能力实施实际工作流。 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，并用于有组织的数据的日期时间处理。 5. **聊天消息记忆**： - 使用 BaseChatMessageHistory 和 InMemoryChatMessageHistory 管理聊天会话。 - 创建具有记忆功能的聊天应用程序，以提升用户体验。 6. **构建和部署聊天机器人**： - 使用 Streamlit 构建聊天机器人应用。 - 高效维护聊天记录并处理用户输入。 7. **文档加载器和检索**： - 处理网页、PDF 和 HTML 数据的加载器。 - 检索和总结文档，转换文本数据，并使用向量存储。 8. **向量存储和检索**： - 集成向量存储，利用 FAISS 和 Chroma 进行文档检索。 - 重新加载检索器、索引文档并提高检索准确性。 9. **工具调用和自定义代理**： - 设置 Tavily Search、PubMed、Wikipedia 等工具。 - 设计可与智能代理一起使用的自定义工具，执行逐步指令。 10. **实际集成**： - 在 MySQL 上执行基于文本的查询。 - 使用 LLM 解析 LinkedIn 个人资料。 - 使用 LLM 解析求职简历。 - 在 AWS 上使用 OLLAMA 部署 LLAMA (LAMA)。 **适用人群**： - 希望使用 Langchain 和 Ollama 进行 AI 应用程序开发的开发者和数据科学家。 - 寻求自动化工作流程和创建文档检索系统的 AI 爱好者。 - 需要构建端到端聊天机器人或在 AWS 上部署应用的专业人士。 - 希望获得实际 AI 工具经验的基础 Python 知识学习者。 通过本课程的学习，您将掌握构建、部署和管理 AI 驱动应用程序的技能，从聊天机器人到文档检索器，准备投入生产。
This course is a practical guide to integrating Langchain and Ollama to build, automate, and deploy AI applications. Learn to set up these tools, create prompt templates, automate workflows, manage data retrieval, and deploy real-world applications on AWS. Each section is designed to provide you with hands-on skills and experience.What You Will LearnOllama & Langchain SetupComplete setup and installation of Ollama and Langchain.Configure base URLs and handle direct API calls.Establish the environment for efficient integration.Prompt EngineeringUnderstand AI, human, and system message prompts.Use AIPromptTemplate, Human, System, and ChatMessagePromptTemplate to shape responses.Explore the invoke method to control the model's behavior.Chains for Workflow AutomationLearn Sequential, Parallel, and Router Chains to build flexible workflows.Work with custom chains and explore Chain Runnables for added automation.Implement real-world workflows using Langchain's chaining capabilities.Output ParsingFormat data with parsers like JSON, CSV, Markdown, and Pydantic.Parse structured output and use date-time output handling for organized data.Chat Message MemoryUse BaseChatMessageHistory and InMemoryChatMessageHistory for managing chat sessions.Create chat applications with memory to improve user experience.Build and Deploy ChatbotsBuild a chatbot application using Streamlit.Maintain chat history and handle user inputs efficiently.Document Loaders and RetrievalsWork with loaders for web pages, PDFs, HTML data.Retrieve and summarize documents, convert text data, and use vector stores.Vector Stores and RetrievalsIntegrate vector stores for document retrieval using FAISS and Chroma.Reload retrievers, index documents, and enhance retrieval accuracy.Tool Calling and Custom AgentsSet up tools for Tavily Search, PubMed, Wikipedia, and more.Design custom tools that can be used with the Agents and execute step-by-step instructions.Real-World IntegrationsExecute text-based queries on MySQL.Parse LinkedIn Profile with LLMParse Job Resume with LLMDeploy LLAMA (LAMA) with OLLAMA on AWS Who This Course Is ForDevelopers and data scientists who want to use Langchain and Ollama for AI applications.AI enthusiasts looking to automate workflows and create document retrieval systems.Professionals needing to build end-to-end chatbots or deploy applications on AWS.Learners with basic Python knowledge who want practical experience with real-world AI tools.By the end of this course, you'll have the skills to build, deploy, and manage AI-powered applications, from chatbots to document retrievers, ready for production.
