c
curiousily/Get-Things-Done-with-Prompt-Engineering-and-LangChain
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.
artificial-intelligencechatgptdeep-learninggpt-4gpt4langchainlanguage-modelslarge-language-modelsllama2openaiprompt-engineeringpython
Jupyter NotebookApache-2.0创建于 2023/4/12更新于 1 周前
README
由 Gemini 翻译整理
通过 Prompt Engineering 和 LangChain 高效完成任务
使用 Python 和 ChatGPT/GPT-4 以及 LangChain 构建真实世界的 AI 应用。
🍿 YouTube 视频教程
- 15分钟上手 LangChain 和 Llama 2
- 在自己的数据集上微调 Llama 2
- 在单 GPU 上将 LLM 部署到生产环境
- 使用 Llama 2 和 LangChain 与多个 PDF 文件聊天
- AutoGen - 使用 ChatGPT/GPT-4 构建强大的 AI Agent
📖 阅读教程
LangChain
- LangChain 与 Llama 2 快速入门
- 使用 Loaders 加载自定义数据
- 通过 Models 添加 AI 能力
- 使用 Chains 让 LLM 发挥实际作用
- 使用 Memory 构建聊天机器人
- 使用 Agents 处理复杂任务
Models (模型)
项目实战
- 在自定义数据集上微调 Llama 2
- 使用 Llama 2 和 LangChain 与多个 PDF 文件聊天
- 使用本地 LLM (Falcon 7B) 和 LangChain 构建聊天机器人
- 私有 GPT4All：使用免费 LLM 与 PDF 文件聊天
- CryptoGPT：加密货币 Twitter 情感分析
- 使用 QLoRA 在自定义数据集上微调 LLM (Falcon 7b)
- 使用 HuggingFace Inference Endpoints 将 LLM 部署到生产环境
- 基于 LangChain 和开源 LLM 构建自定义知识库支持机器人
- 使用 RunPod 将你的私有 Llama 2 模型部署到生产环境
- AutoGen - 使用 ChatGPT/GPT-4 构建强大的 AI Agent