面向开发者的LLM入门教程笔记合集（更新中）

点击链接可跳转

• 目录
  • 前言
  • 环境配置
  • 第一部分 面向开发者的提示工程
    • 0. 概述
    • 1. 简介 Introduction
    • 2. 提示原则 Guidelines
    • 3. 迭代优化 Iterative
    • 4. 文本概括 Summarizing
    • 5. 推断 Inferring
    • 6. 文本转换 Transforming
    • 7. 文本扩展 Expanding
    • 8. 聊天机器人 Chatbot
    • 9. 总结 Summary
  • 第二部分 搭建基于 ChatGPT 的问答系统
    • 0. 概述

    • 1. 简介 Introduction

    • 2. 语言模型，提问范式与 Token Language Models, the Chat Format and Tokens

    • 3. 评估输入-分类 Classification

    • 4. 检查输入-监督 Moderation

    • 5. 思维链推理 Chain of Thought Reasoning

    • 6. Prompt 链 Chaining Prompts

    • 7. 检查结果 Check Outputs

    • 8. 搭建一个带评估的端到端系统 Evaluation

    • 9. 评估（上）Evaluation-part1

    • 10. 评估（下）Evaluation-part2

    • 11. 总结 Conclusion

  • 第三部分 使用 LangChain 开发应用程序
    • 0. 概述
    • 1. 简介 Introduction
    • 2. 模型、提示和解析器 Models, Prompts and Parsers
    • 3. 储存 Memory
    • 4. 模型链 Chains
    • 5. 基于文档的问答 Question and Answer
    • 6. 评估 Evaluation
    • 7. 代理 Agent
    • 8. 总结 Conclusion
  • 第四部分 使用 LangChain 访问个人数据
    • 0. 概述
    • 1. 简介 Introduction
    • 2. 文档加载 Document Loading
    • 3. 文档分割 Splitting
    • 4. 向量数据库与词向量 Vectorstores and Embeddings
    • 5. 检索 Retrieval
    • 6. 问答 Question ANswering
    • 7. 聊天 Chat
    • 8. 总结 Summary

第一部分 面向开发者的提示工程总结

学习总结

• 掌握了关于Prompt的两个核心原则：
  1. 编写清晰具体的指令；
  2. 在适当时给模型一些思考时间。
• 学习了迭代式Prompt开发的方法，并了解了找到适合应用程序的Prompt的重要性。
• 探讨了大型语言模型的功能，包括摘要、推断、转换和扩展。
• 学习了如何搭建个性化的聊天机器人。

学习收获

• 对Prompt开发方法有了深入理解，为将来的应用开发奠定了基础。
• 熟悉了大型语言模型的各种功能，为实际项目的实施提供了参考。
• 在第一部分的学习中，积累了丰富的经验，希望能够在实践中运用。

下一步计划

• 灵感迸发后，尝试创建自己的应用项目。
• 从微型项目开始，逐步提升，或者直接着手一个宏大的项目。
• 利用第一部分学习的经验，不断创新和完善。