LangChain & Prompt Engineering tutorials on Large Language Models (LLMs) such as ChatGPT with custom data. Jupyter notebooks on loading and indexing data, creating prompt templates, CSV agents, and using retrieval QA chains to query the custom data. Projects for using a private LLM (Llama 2) for chat with PDF files, tweets sentiment analysis.
这是一个基于 Jupyter Notebook 的实用型教程项目,旨在通过 LangChain 和提示工程技术,帮助开发者构建与大语言模型交互的实际应用。该项目通过一系列动手实践,解决了如何利用自定义数据、提示词模板及检索问答链来提升 LLM 任务处理能力的问题。
提供数据加载与索引的完整操作流程,实现对各类本地文档的有效管理与检索。 演示如何创建高效的提示词模板及构建复杂的 Agent 代理,以处理多步骤逻辑任务。 支持使用 CSV Agents 进行数据分析与交互,极大扩展了模型的数据处理广度。 涵盖从检索问答到私有化部署的实践,包括利用 Llama 2 与 PDF 文件进行本地对话。 提供社交媒体情感分析等实战案例,帮助用户快速掌握端到端的 AI 应用落地流程。
该项目适用于希望快速上手 LangChain 和大模型的初学者,以及需要构建私有化 AI 知识库或自动化分析工具的开发者。