自从 GPT- 4 发布之后,好奇的你可能也在尝鲜各种人工智能应用工具,并受益于它的提效能力。那么,开发类似 ChatPDF 等 AI 工具的人是怎么做到的呢?其实,他们都用了开源框架 LangChain。
LangChain 是一个全方位的、基于大语言模型这种预测能力的应用开发工具,兼具「代理性和数据感知」两个特性。无论你是想要做一个聊天机器人、个人助理、问答系统,或者自助代理等等,都可以帮助我们快速地实现想法。我可以拍胸脯地说,LangChain 作为新一代 AI 开发框架,必将受到程序员的追捧,点燃 AI 应用开发的新热潮。
LangChain 的 GitHub Star 数量疯涨中,没有放缓的节奏
百闻不如一见,给你展示一个使用大语言模型和 LangChain 的具体应用案例,一起来看看它是如何让我“上头”的。
应用案例:海报文案生成器
你已经制作好了一批鲜花的推广海报,想为每一个海报的内容,写一两句话,然后 post 到社交平台上,以求图文并茂。
不过,ChatGPT 网页无法读图,那么就用 LangChain 的 “代理”来调用“工具”来完成自己做不到的事情。
鲜花海报图片
首先用一段简单的代码实现上述功能。在运行这段代码之前,你需要先通过 pip install transformers 语句安装 HuggingFace 的 Transformer 库。
根据输入的图片 URL,由 OpenAI 大语言模型驱动的 LangChain 智能体,首先利用图像字幕生成工具将图片转化为字幕,然后利用 LangChain 智能体对字幕进行进一步处理,生成中文推广文案。
针对上面的鲜花图片,程序最后给出的文案是:“爱,让每一天充满美丽,让每一个心情都充满甜蜜。”—— 多么浪漫而又富有创意,大模型懂我!
当然,这个过程中还有很多很多的细节,比如大模型是怎么思考的?具体的提示文本是什么?代理是什么?AgentExecutor Chain 是什么?它究竟是怎样调度工具的?
说实在的,目前基于 langchain 的中文教程还是比较零散的,我看了不少 AI 大拿的视频教程,还有很多入门书籍,无一例外,都是从劝退人的算法学起,真没必要。
解读 langchain-ChatGLM 项目源码其实不易,涉及的项目、技术点多且复杂,一不小心就容易被绕晕。好在根据项目的流程一步步抽丝剥茧之后,跟着敲出了清晰的代码架构。
除此之外,最吸引我的是体验到了 LangChain + LLM 的全新开发范式,掌握 Transformer 和 GPT 模型运行机制。对于一些必要的具体用法,作者的步骤描述也很详细,每一步都有代码、有注释、有输出、有结果,学起来毫无压力。
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
![](https://img-blog.csdnimg.cn/img_convert/cba198c4c3ad63ba627cdc292c010560.png)
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
![](https://img-blog.csdnimg.cn/img_convert/cba198c4c3ad63ba627cdc292c010560.png)