01-LangChain课程介绍
02:37
02-什么是LangChain_有哪些常用的LLM框架
10:15
03-为什么使用LangChain？
12:21
04-LangChain的整体架构设计
06:37
05-开发前的准备工作与环境搭建
10:15
06-基于RAG架构的开发
08:05
07-基于Agent架构的开发
05:51
08-大模型应用开发的4个场景
04:26
09-LangChain核心模块剖析与HelloWorld实现
15:44
10-大模型的分类与按照功能分类的演示
18:26
11-硬编码的方式调用对话&非对话模型
14:34
12-使用环境变量_配置文件的方式调用大模型
18:19
13-通过OpenAI、百度千帆平台调用大模型
08:09
14-通过阿里云百炼、智谱、硅基流动调用大模型
13:57
15-模型调用的总结
04:52
16-关于对话模型调用消息列表
20:06
17-关于多轮对话与上下文记忆
08:49
18-阻塞式invoke()和流式stream()的调用
09:09
19-了解：批量调用与同步异步方法的调用
13:02
20-提示词模板的理解
10:09
21-PromptTemplate实例化方式1：使用构造方法
08:37
22-PromptTemplate实例化方式2：from_template()
03:32
23-部分提示词变量赋值的两种方式
11:32
24-format()与invoke()的对比及大模型的调用
11:46
25-ChatPromptTemplate实例化的两种方式
13:57
26-模板调用的4种方法及对比
10:42
27-6种不同的实例化参数使用举例
19:56
28-举例4和举例6的再说明
03:11
29-调用大模型_MessagesPlaceholder的使用
16:38
30-FewShotPromptTemplate的使用
16:12
31-FewShotChatMessagePromptTemplate的使用
07:03
32-Example selectors示例选择器的使用
09:21
33-PiplinePromptTemplate的使用_从物理磁盘读取提示词
05:32
34-输出解析器概述_StrOutputParser的使用
10:42
35-JsonOutputParser的使用
12:43
36-带管道符的chain结构的使用
03:54
37-XMLOutputParser的使用
11:57
38-了解CSV和Datetime的输出解析器
06:18
39-LangChain调用本地大模型
16:51
40-Chain的理解与举例
11:51
41-最基础的LLMChain的使用
11:31
42-顺序链之SimpleSequentialChain的使用
13:41
43-顺序链之SequentialChain的使用
17:08
44-了解：数学链、路由链、文档链
05:58
45-新型Chain之create_sql_query_chain的使用
15:34
46-新型Chain之create_stuff_documents_chain的使用
03:58
47-为什么需要Memory模块
06:30
48-自定义的方式实现大模型的记忆功能
12:47
49-Memory的设计思路_ChatMessageHistory的使用
09:15
50-记录完整历史会话的ConversationBufferMemory的使用1
09:42
51-记录完整历史会话的ConversationBufferMemory的使用2
14:11
52-简化历史完整记录使用的ConversationChain
07:48
53-记录最近k条消息的ConversationBufferWindowMemory的使用
11:28
54-通过Token限制记忆的ConversationTokenBufferMemory的使用
06:37
55-保存历史摘要的ConversationSummaryMemory的使用
10:15
56-混合记忆ConversationSummaryBufferMemory的使用
15:09
57-提取实体的ConversationEntityMemory的使用
08:10
58-提取为知识图谱的ConversationKGMemory的使用
02:18
59-基于向量存储VectorStoreRetrieverMemory的使用
07:32
60-Tool的要素与实操步骤
10:03
61-定义工具方式1：使用@tool装饰器
09:57
62-定义工具方式2：使用StructuredTool.from_function()
08:38
63-大模型分析工具的调用举例
12:16
64-大模型分析出的工具如何调用
12:36
65-Agent的理解
14:35
66-Agent和AgentExecutor的两种创建方式
12:02
67-传统方式之ReAct模式进行单工具调用
16:53
68-传统方式之FUNCTION_CALL模式进行单工具调用
03:29
69-传统方式之ReAct和FUNCTION_CALL两种模式进行多工具调用
05:28
70-传统方式之自定义函数与工具
03:28
71-通用方式之FUNCTION_CALL模式的调用
12:22
72-通用方式之ReAct模式的调用
11:17
73-工具调用中传统方式和通用方式的小结
03:12
74-以ReAct模式为例说明传统方式嵌入记忆
14:47
75-AgentType的ZERO_SHOT_REACT_DESCRIPTION情况源码分析
02:15
76-通用方式中使用FUNCTION_CALL模式嵌入记忆
06:51
77-通用方式中使用ReAct模式嵌入记忆
11:46
78-Retrieval模块的设计意义
11:14
79-Retrieval的整体流程说明
10:07
80-熟悉不同的文档加载器_Txt文档的加载
13:08
81-PDF和CSV格式文档的加载
09:05
82-JSON格式文档的加载
13:21
83-HTML、Markdown、文件目录的加载
06:01
84-为什么切分以及切分的策略
06:08
85-TextSplitter源码剖析
19:02
86-具体拆分器1：CharacterTextSplitter
14:01
87-具体拆分器2：RecursiveCharacterTextSplitter
22:19
88-具体拆分器3：TokenTextSplitter、CharacterTextSplitter
08:41
89-具体拆分器4：SemanticChunker
07:03
90-其它的拆分器介绍
01:47
91-文档嵌入模型的介绍
02:55
92-举例：句子的向量化与文档的向量化
08:26
93-向量存储的理解与功能介绍
06:01
94-向量数据库功能1：数据的存储
15:47
95-向量数据库的功能2：数据的多种检索方法
11:46
96-检索器的介绍与基础举例
08:21
97-演示Retriever不同的检索策略
05:52
98-RAG结合大模型的使用举例
06:18
99-综合案例：智能对话助手
13:34
