LLM-Zero-to-Hundred

该存储库展示了各种 LLM（大语言模型）聊天机器人的应用，并提供了关于训练和微调语言模型成熟方法论的全面见解。

项目列表：

• AI Agent 背后隐藏的技术债
• WebGPT
• RAG-GPT
• WebRAGQuery
• LLM 全参数微调
• RAG-Master：LlamaIndex 与 Langchain 对比
• 开源 RAG-GEMMA
• HUMAIN：高级多模态、多任务聊天机器人

教程列表

• LLM Function Calling（函数调用）教程
• 向量化（Vectorization）教程

项目的通用结构：

Project-folder
  ├── README.md           

---

高级多模态聊天机器人：

本项目涵盖内容：

• 基于 LangGraph 的 Agentic Chatbot（智能体聊天机器人）
• 生产级设计的真实数据库
• 微服务架构（Docker Compose）
• 自动向量数据库创建（容器内）
• 使用 Weave Scope 进行可视化监控
• 开发最佳实践

YouTube 视频： 链接

---

高级多模态聊天机器人：

功能特点：

• 类 ChatGPT 交互：聊天机器人可以充当普通 AI 助手。
• RAG（检索增强生成）能力：聊天机器人支持 3 种 RAG 实现方式：
  1. 使用预处理文档
  2. 用户在聊天时上传的文档
  3. 用户请求的任何网站内容
• 图像生成：利用 Stable Diffusion 模型生成图像。
• 图像理解：利用 LLava 模型理解图像内容，并根据图像内容回答用户问题。
• DuckDuckGo 集成：在需要时访问 DuckDuckGo 搜索引擎，基于搜索结果提供答案。
• 摘要提取：应用户请求总结网站内容或文档。
• 文本与语音交互：通过文本和语音输入与聊天机器人交互。
• 记忆功能：聊天机器人中的 GPT 模型具备记忆功能（即当前会话期间用户的历史查询）。

注意：此聊天机器人是在 RAG-GPT 和 WebRAGQuery 项目的基础上构建的。

YouTube 视频： 链接

---

开源 RAG-GEMMA：

本项目演示了如何在本地部署开源 LLM。我将 RAG-GPT 项目转换为一个完全开源的 RAG 聊天机器人。该开源聊天机器人使用 Google Gemma 7B LLM 和 BAAI/bge-large-en 嵌入模型进行设计。

YouTube 视频： 链接

---

RAG-Master：LlamaIndex 与 Langchain 对比：

本项目对比了 Langchain 和 Llama-Index 提出的 5 种著名 RAG 技术。测试针对 5 份不同文档的 40 个问题进行。此外，该项目还提供了 2 个独立的 RAG 聊天机器人，涵盖了这两个框架中的 8 种 RAG 技术。

YouTube 视频： 链接

---

LLM 微调：

本项目使用一家虚构公司“Cubetriangle”作为案例，设计了一个处理原始数据的流水线，对其进行 3 个大语言模型（LLM）的微调，并使用效果最好的模型设计了一个聊天机器人。

YouTube 视频： 链接

使用库： huggingface - OpenAI - chainlit

---

WebGPT：

WebGPT 是一款强大的工具，使用户能够提出需要联网搜索的问题。利用 GPT 模型：

• 它能识别并执行最相关的 Python 函数以响应用户查询。
• 第二个 GPT 模型通过将用户查询与从网络搜索引擎检索到的内容相结合来生成回复。
• 用户友好界面使用 Streamlit 构建。
• 网络搜索支持多种类型，如文本、新闻、PDF、图像、视频、地图和即时响应。
• 克服了知识截止限制，聊天机器人能够根据最新的互联网内容提供答案。

YouTube 视频： 链接

使用库： OpenAI (使用 GPT 模型的 Function Calling 功能) - duckduckgo-search - streamlit

---

RAG-GPT：

RAG-GPT 是一个使你能够进行对话的聊天机器人。