1 基本信息
1.1 课程标题：《DeepLearning.ai 大模型系列课程》
1.2 授课讲师：吴恩达，Isa，Harrison Chase
1.3 授课日期：2023
1.4 品读时间：2023-07~2023-08
1.5 整体耗时：约12h
1.6 摘要
由吴恩达老师与 OpenAI 合作推出的大模型系列教程，讲解了如何入门基于 OpenAI API 以及 LangChain 大模型开发。
- 面向入门 LLM 的开发者，深入浅出地介绍了对于开发者，如何构造 Prompt 并基于 OpenAI 提供的 API 实现包括总结、推断、转换等多种常用功能，是入门 LLM 开发的经典教程；
- 指导开发者如何基于 ChatGPT 提供的 API 开发一个完整的、全面的智能问答系统，包括使用大语言模型的基本规范，通过分类与监督评估输入，通过思维链推理及链式提示处理输入，检查并评估系统输出等，介绍了基于大模型开发的新范式
- 指导开发者如何结合框架LangChain 使用 ChatGPT API 来搭建基于 LLM 的应用程序，帮助开发者学习使用 LangChain 的一些技巧，包括：模型、提示和解析器，应用程序所需要用到的存储，搭建模型链，基于文档的问答系统，评估与代理（借助第三方工具）等
- 在 LangChain 应用开发课程基础上，讲解如何使用 LangChain 来整合自己的私有数据，包括：加载并切割本地文档；向量数据库与词向量；检索回答；基于私有数据的问答与聊天等
1.7 特点
- 课程简洁清晰，内容较为浅显易懂
- 配套代码，方便快速上手和应用部署
1.8 评分：⭐⭐⭐⭐
2 大纲
DL.ai 大模型系列：2.ChatGPT API 搭建系统
DL.ai 大模型系列：3.LangChain 开发 LLM 应用
DL.ai 大模型系列：4.LangChain 处理个人数据
- Model I/O：管理大语言模型（Models），及其输入（Prompts）和格式化输出（Output Parsers）
- Data Connection：管理主要用于建设私域知识（库）的向量数据存储（Vector Stores）、内容数据获取（Document Loaders）和转化（Transformers），以及向量数据查询（Retrievers）
- Memory：用于存储和获取 对话历史记录 的功能模块
- Chains：用于串联 Memory + Model I/O + Data Connection，以实现串行化的连续对话、推测流程
- Agents：基于 Chains 进一步串联工具（Tools），将大语言模型的能力和本地、云服务能力结合
- Callbacks：回调系统，可连接到 LLM 申请的各个阶段，便于日志记录和追踪等数据导流
- 角色扮演写作：利用底层语言模型强大的语言适应能力，这类应用可以实时调整语气和风格，以匹配用户指定的写作角色，极大地丰富了内容创作的可能性。
- 文档摘要：升级内容工作者的效率。对于冗长的专业文书、报告，该应用可以在极短时间内生成高质量的摘要，准确把握其核心要点，并腾出更多的时间专注于创造性工作。
- 聊天机器人：借助LLM出色的语言理解能力，开发者可以轻松创建针对特定领域的问答机器人，快速训练它对各种问题的回应能力。此外，还可以利用搜索等外部知识来源，大幅扩展其问答范围。在客户服务、产品咨询等场景用途广泛。
- 文档理解和问答：对复杂文档进行深入分析，并以近似自然语言的形式进行流畅问答。用户仿佛在与另一个专家对话探讨文档细节，可以连续提问追加探究，获得高质量的回应。
3 视频资源
- 双语字幕视频地址：吴恩达 x OpenAI的Prompt Engineering课程专业翻译版
- 相关项目笔记：面向开发者的 LLM 入门课程