课程大纲
第一部分：生成式人工智能和大语言模型技术概览
一、AIGC的概念和技术体系
  1.生成式人工智能（AIGC）体系概述
  2.大语言模型技术（LLM）工作原理
  3.LLM 生态体系
  4.OpenAI 及其相关模型介绍
二、提示工程
  1.什么是提示工程
  2.构建提示的方法
  3.优化提示技巧改善LLM输出质量
  4.提示工程思维和提示工程最佳实践
三、实现AIGC开发环境
  1.获取并使用LLM API Key
  2.构建开发环境使用Python代码实现流式自动对话
  3.快速创建Chat Bot，练习提示词
第二部分：使用 LangChain 开发AIGC应用
一、LangChain的基本概念和环境准备
  1.大语言模型的概念
  2.LangChain的概念和组件
  3.安装LangChain环境
  4.使用LangChain调用LLM API
二、模型的调用、提示工程和输出解析
  1.模型I/O
  2.提示工程
  3.输出解析
三、Chain：串联不同的组件
  1.Chain的概念
  2.LLMChain
  3.Sequential Chain
  4.RouterChain
四、Memory：保存对话上下文
  1.Memory 概述
  2.ConversationChain
  3.ConversationBufferMemory（缓冲记忆）
  4.ConversationBufferWindowMemory
  5.ConversationSummaryMemory
  6.ConversationSummaryBufferMemory
五、Agent：代理
  1.Agent概念和体系
  2.React框架
  3.结构化工具对话代理
  4.自主询问搜索代理
  5.计划与执行代理
六、LangChain高级应用
  1.工具和工具箱
  2.实现检索增强生成RAG
  3.连接数据库
  4.回调函数实现异步通信机制
  5.CAMEL：实现角色扮演
  6.实现自治代理
七、综合演练：构建客服Chatbot
  1.技术架构
  2.实现步骤
  3.实现基本聊天
  4.实现记忆功能
  5.整合文档库具备检索机制
  6.使用Gradio/StreamLit框架部署Chatbot
八、项目实战：开发知识库问答系统
  1.项目需求
  2.技术框架
  3.核心实现机制
  4.核心代码分析
  5.功能实现
第三部分：实现自主可控的AIGC应用开发底座 （1D）
一、搭建API Gateway
  1.AIGC 开发底座工具链介绍
  2.LLM API 调用方法和策略综述
  3.使用One-API项目部署API Geateway
  4.管理API渠道和令牌
  5.API 调用的监控以及用户管理
二、实现LLM模型本地运行
  1.使用LM Studio实现开源大模型的本地运行
  2.开源大语言模型和本地开发环境的对接
  3.测试和评估LLaMa模型
  4.测试和评估Mixtrel MoE模型
  5.使用Phi 2实现本地平替Github Copilot解决方案
  6.实现嵌入式模型的本地运行
三、构建低代码无代码AIGC应用开发平台
  1.部署Flowise
  2.快速实现基本会话机器人
  3.实现整合Web浏览插件的会话机器人
  4.实现领域知识库（Embedding & 向量检索引擎）
  5.实现智能体
四、AIGC 应用的部署
  1.应用容器化部署介绍
  2.借助Vercel实现应用的PaaS化部署
  3.部署ChatGPT Web
  4.快速上线自定义LLM应用

课程周期
24课时（45分钟/课时）