大模型应用开发学习路线（速通版）

本仓库为本人学习🔥大模型应用开发🔥时候整理和学习的一些资料，都是干货，没有额外的扩展，💰上岸搞钱为第一要务💰。欢迎阅读，如果对你有用，麻烦点一下 🌟 star，谢谢！

✅ 导读

本项目为大模型应用开发 RAG 和 Agent 简单 Demo 展示，均使用LangChain框架，包含最基础的扫盲课程，主要是协助大家🧐快速入门🧐。 目录结构为三部分：

• LangChain_RAG 文件夹：RAG相关的项目Demo和学习资料；
• LangChain_Agent 文件夹：Agent相关的Demo和学习资料；
• Interview：大模型RAG和Agent的面试八股。

✅ LangChain_RAG

本部分一共四个部分：

• llms-1和llms-2为B站上的🕶️扫盲课🕶️，两位Up主讲的清楚且简洁，主要是入门了解的，快速过一下即可；
• llms-3为Langchain官方出的RAG教程，视频部分这里展示了原版和国内翻译版，主要讲解了RAG过程中的主要流程及其优化点，🔥建议重点看这个，面试会问很多优化点🔥；
• llms-4为langchain是官方给出的💡RAG项目💡例子，这里会包含最基础的RAG项目的流程，保证你立马就能run起来，并且代码结构很简单。

llms-1

视频地址（看整个系列）：

• https://www.bilibili.com/video/BV1qC4y1F7Dy

代码：

• 🌹代码地址（可运行版）：https://github.com/lichuachua/llms-project/tree/main/LangChain_RAG/llms-1/
  • note（✅建议下载运行这个✅）：本人运行代码，部分包的更新（原作者代码部分包过期）
  • original：原作者代码（同代码原址，不建议，可能需要更新包）
• 代码原址：https://github.com/blackinkkkxi/RAG_langchain/tree/main
• 运行平台：除了langchain_hf，都可以在Colab运行；Kaggle都可以运行，Kaggle入门参考：白嫖免费算力，量小但管够——Kaggle；

llms-2

视频地址（看单篇既可）：

• https://www.bilibili.com/video/BV1Cp421R7Y7

代码：

• 🌹代码地址（可运行版）：https://github.com/lichuachua/llms-project/tree/main/LangChain_RAG/llms-2/
  • note（✅建议下载运行这个✅）：本人运行代码，部分包的更新（原作者代码部分包过期）
  • original：原作者代码（同代码原址，不建议，可能需要更新包）
• 代码原址：https://github.com/owenliang/rag-retrieval/tree/main
• 运行平台：Kaggle运行，Kaggle入门参考：白嫖免费算力，量小但管够——Kaggle；

llms-3

视频地址（看整个系列）：

• 外网原视频（英文）：https://www.youtube.com/playlist?list=PLfaIDFEXuae2LXbO1_PKyVJiQ23ZztA0x
• 国内中文版：https://www.bilibili.com/video/BV1dm41127jc/

代码：

• 🌹代码地址（可运行版）：https://github.com/lichuachua/llms-project/tree/main/LangChain_RAG/llms-3/
  • note（✅建议下载运行这个✅）：本人运行代码，部分包的更新（原作者代码部分包过期）
  • original：原作者代码（同代码原址，不建议，可能需要更新包）
  • PPT：官方视频对应的PPT
• 代码原址：https://github.com/langchain-ai/rag-from-scratch/tree/main
• 运行平台：Kaggle运行，Kaggle入门参考：白嫖免费算力，量小但管够——Kaggle；

llms-4

代码：

• 🌹代码地址（✅本人更改过后的代码，可以直接运行✅）：https://github.com/lichuachua/chat-langchain-study/
• 代码原址（运行有问题，需要自己更改）：https://github.com/langchain-ai/chat-langchain

说明：

• langchain-chat是官方给出的RAG项目例子，也是我推荐给各位的入门级项目，应网友要求，录制了手把手运行视频，保证你能运行起来。

参考资料：

• https://www.bilibili.com/video/BV1eB4y1Z752/
• https://github.com/webup/agi-talks/blob/master/301-langchain-chatdoc/src/slides.md
• https://blog.langchain.dev/building-chat-langchain-2/

✅ LangChain_Agent

本部分一共两个部分，是B站两个简单的 Agent Demo，比较通俗易懂。

• AI_Agent 基于 OPENAI_API
• QW_Agent 基于 QWen_API

AI_Agent

视频地址：

• https://www.bilibili.com/video/BV1JV411F7Yj/

代码：

• 🌹代码地址（✅本人更改过后的代码，可以直接运行✅）：https://github.com/lichuachua/llms-project/tree/main/LangChain_Agents/AI_Agent/
• 代码原址：https://github.com/parallel75/AI_Agent
• 运行平台：本地

QW_Agent

视频地址：

• https://www.bilibili.com/video/BV1QF4m177Rx/

说明：

• 这个项目运行起来需要申请【千问相关key和api】，有坑，建议下载本人更改过后的代码，可以直接运行，千问更新版本需要代码更新，我已更改。

代码：

• 🌹代码地址（✅本人更改过后的代码，可以直接运行✅）：https://github.com/lichuachua/llms-project/blob/main/LangChain_Agents/QW_Agent/
• 代码原址（运行有问题，需要自己更改）：https://github.com/owenliang/agent
• 运行平台：本地

✅ Interview

本部分包含两部分面试八股，是本人在找工作期间收集和整理的大模型应用开发八股文，本人实测，可以通过这些找到了一些大厂高级AI研发工程师相关岗位。

• 大模型应用开发八股

RAG

• 详细介绍大模型（LLMs）RAG检索增强生成学习/面试过程中可能遇到的知识点，全文4w+字，按照处理流程整理：大模型RAG知识笔记

Agent

• 详细介绍大模型（LLMs）智能体Agent学习/面试过程中可能遇到的知识点，全文1w+字，按照模块整理：大模型Agent知识笔记