从0到1，LangChain+RAG全链路实战AI知识库|已完结

课程目录

├── 第1章 课程介绍：搞懂 AI 知识库价值，解锁实战技能与岗位机遇/
│ ├── [ 31M] 1-1课程介绍
│ ├── [ 38M] 1-2实战项目与FastGPT类比
│ ├── [ 80M] 1-3大模型介绍
│ ├── [128M] 1-4AI市场需求
│ └── [ 81M] 1-5常见平台
├── 第2章 欢迎来到LangChain的世界：从概念到 HelloWorld 实战/
│ ├── [109M] 2-1langchain介绍
│ ├── [127M] 2-2helloworld入门
│ ├── [ 53M] 2-3ModelIO单轮与多轮
│ └── [118M] 2-4交互模式
├── 第3章 【LangChain】提示词：告别无效提问，用模板生成高质量 Prompt/
│ ├── [ 30M] 3-1提示词模板-字符模板
│ ├── [216M] 3-2提示词模板-会话模板
│ ├── [ 39M] 3-3提示词模板-占位符
│ ├── [283M] 3-4提示词模板-少样本
│ ├── [ 36M] 3-5提示词模板-加载外部文件
│ ├── [ 99M] 3-6提示词模板-部分赋值
│ └── [184M] 3-7提示词模板-组合嵌套模板
├── 第4章 【LangChain】示例选择器：让 AI“学例子”，动态匹配场景的示例优化技巧/
│ ├── [154M] 4-1示例选择器-长度选择器
│ ├── [123M] 4-2示例选择器-MMR
│ └── [129M] 4-3示例选择器-自定义
├── 第5章 【LangChain】输出格式化：从&杂乱文本&到&结构化结果&,定制AI输出/
│ ├── [ 88M] 5-1输出格式化-String格式
│ ├── [153M] 5-2输出格式化-Json格式
│ ├── [154M] 5-3输出格式化-Pydantic数据格式
│ ├── [101M] 5-4输出格式化-格式修复Fix
│ ├── [130M] 5-5输出格式化-重试Retry
│ ├── [181M] 5-6输出格式化-自定义格式化1
│ └── [104M] 5-7输出格式化-自定义格式化2
├── 第6章 【LangChain】LCEL 表达式：一行代码串起AI流程！核心编排语法实战/
│ ├── [ 48M] 6-1LCEL是什么
│ ├── [ 86M] 6-2LCEL原理
│ ├── [ 86M] 6-3LCEL-RunnableLambda介绍
│ ├── [ 99M] 6-4LCEL-Runnable介绍
│ ├── [ 74M] 6-5LCEL-Runnable串行
│ ├── [ 42M] 6-6LCEL-Runnable并行
│ ├── [ 85M] 6-7LCEL-RunnablePassthrough介绍
│ ├── [161M] 6-8LCEL-分支Branch
│ ├── [203M] 6-9LCEL-重试Retry
│ ├── [122M] 6-10LCEL-配置Config
│ └── [265M] 6-11LCEL-动态参数
├── 第7章 【LangChain】记忆：让AI“记住上下文”实现多轮对话连贯交互核心方案/
│ ├── [ 39M] 7-1Memory-记忆介绍
│ ├── [ 96M] 7-2Memory-占位符
│ ├── [ 48M] 7-3Memory-ChatMessageHistory实现
│ ├── [165M] 7-4Memory-RunnableWithMessageHistory实现
│ └── [217M] 7-5Memory-长期记忆
├── 第8章 【LangChain】文档加载：常见格式（TXT、PDF、Word）一键接入/
│ ├── [ 32M] 8-1文档加载-TextLoader
│ ├── [ 53M] 8-2文档加载-PdfLoader
│ ├── [ 58M] 8-3文档加载-DocxLoader
│ ├── [ 35M] 8-4文档加载-WebLoader
│ ├── [ 38M] 8-5文档加载-CsvLoader
│ └── [120M] 8-6文档加载-自定义
├── 第9章 【LangChain】文档拆分：规避“信息割裂”用最优策略拆分文档提升检索精度/
│ ├── [ 59M] 9-1文档拆分Splitter-介绍
│ ├── [ 72M] 9-2文档拆分Splitter-token
│ └── [168M] 9-3文档拆分Splitter-自定义
├── 第10章 【LangChain】向量：搞懂向量原理，把“文本”转成AI能检索的”数字
│ ├── [232M] 10-1向量-介绍
│ ├── [206M] 10-2向量-huggingface
│ ├── [120M] 10-3向量-modelscope
│ ├── [259M] 10-4向量-相似度
│ ├── [ 72M] 10-5向量存储-数据库
│ ├── [192M] 10-6向量存储-数据库使用
│ └── [109M] 10-7向量存储-归一化
├── 第11章 【LangChain】检索：从“全量搜索”到“精准定位”打造高响应的AI检索逻辑/
│ ├── [ 76M] 11-1检索-基础介绍
│ ├── [219M] 11-2检索-multiquery多次检索
│ ├── [246M] 11-3检索-上下文压缩检索
│ ├── [185M] 11-4检索-相似度-doc分值
│ ├── [ 90M] 11-5检索-检索过滤相似度分值
│ ├── [294M] 11-6检索-ensamble聚合检索器
│ ├── [134M] 11-7检索-LongContext重排序
│ ├── [164M] 11-8检索-Self自查询1
│ ├── [319M] 11-9检索-Self自查询2
│ └── [377M] 11-10检索-重排序
├── 第12章 【LangChain】工具：让AI会用工具（查天气、调接口）拓展 AI 能力边界/
│ ├── [132M] 12-1工具-装饰器Tool介绍
│ ├── [ 44M] 12-2工具-装饰器Tool-代码
│ ├── [ 40M] 12-3工具-Tool工具类
│ ├── [127M] 12-4工具-StructedTools
│ ├── [108M] 12-5工具-BaseTool
│ ├── [293M] 12-6工具-LLM-BindTool1
│ └── [100M] 12-7工具-LLM-BindTool2
├── 第13章 【实战项目】目标与技术架构：明确AI知识库核心功能，看懂“从0到1”的完整链路/
│ ├── [ 64M] 13-1项目介绍-RAG介绍
│ ├── [158M] 13-2项目介绍-RAG对比
│ ├── [177M] 13-3项目介绍-RAG商业产品介绍
│ ├── [ 31M] 13-4项目介绍-项目目标
│ └── [ 44M] 13-5项目介绍-技术架构
├── 第14章 【实战项目】Streamlit技术介绍：40分钟上手！快速入门前端界面/
│ ├── [ 86M] 14-1Streamlit介绍
│ ├── [ 24M] 14-2Streamlit-helloworld
│ ├── [ 39M] 14-3Streamlit-表格-图表组件
│ ├── [ 73M] 14-4Streamlit-交互控件
│ ├── [ 42M] 14-5Streamlit-界面布局
│ ├── [ 23M] 14-6Streamlit-会话状态
│ ├── [ 36M] 14-7Streamlit-控件key参数介绍
│ └── [ 18M] 14-8Streamlit-控件key参数互动
├── 第15章 【实战项目】Postgresql 数据库：AI 知识库数据存哪里？检索方案实战/
│ ├── [ 69M] 15-1Postgresql-介绍
│ ├── [160M] 15-2Postgresql-全文搜索介绍
│ ├── [ 72M] 15-3Postgresql-中文分词jieba安装
│ ├── @www.
│ ├── [ 43M] 15-4Postgresql-向量vector-插件介绍安装
│ ├── [140M] 15-5Postgresql-相似度-欧式距离
│ └── [ 41M] 15-6Postgresql-相似度-曼哈顿距离
├── 第16章 【实战项目】FastAPI技术介绍：搭建AI知识库后端接口，实现前后端数据互通/
│ ├── [ 46M] 16-1FastAPI-介绍-helloworld入门
│ ├── [ 59M] 16-2FastAPI-传参
│ ├── [ 37M] 16-3FastAPI-异步-响应状态码
│ ├── [ 73M] 16-4FastAPI-商品案例
│ └── [115M] 16-5FastAPI-ApIRouter路由
├── 第17章 【实战项目】前端设计：从“页面构思”到“界面搭建”手把手实现AI知识库前端界面/
│ ├── [ 20M] 17-1前端-构思
│ ├── [ 51M] 17-2前端-左右布局
│ ├── [152M] 17-3前端-首页搭建
│ ├── [ 98M] 17-4前端-知识空间搭建
│ ├── [ 20M] 17-5前端-知识库搭建
│ └── [159M] 17-6前端-设置搭建
├── 第18章 【实战项目】后端整体设计：理清 “链路”，搭建 AI 知识库后端架构/
│ ├── [ 28M] 18-1后端-需求-模块分析
│ ├── [5.2M] 18-2后端-实战编码逻辑
│ ├── [ 72M] 18-3后端-数据库设计
│ ├── [ 21M] 18-4后端-项目工程创建
│ ├── [ 27M] 18-5后端-工程目录-分层设计
│ ├── [ 63M] 18-6后端-api设计
│ ├── [196M] 18-7后端-工程启动方式
│ ├── [280M] 18-8后端-数据库操作
│ └── [ 47M] 18-9后端-补全数据库操作-日志对象-vector类型包
├── 第19章 【实战项目】知识向量模块开发：动手实现！把文档转向量、存向量库的核心模块/
│ ├── [ 98M] 19-1后端-知识空间实战-动态数据
│ ├── [121M] 19-2后端-知识空间增删改
│ ├── [170M] 19-3后端-知识库-查看片段-删除
│ ├── [255M] 19-4后端-知识库-上传文件-分段
│ └── [274M] 19-5后端-向量模块-向量化-job调度
└── 第20章 【实战项目】动态配置开发：让AI知识库可配置（改参数、换模型），提升项目灵活性/
├── [192M] 20-1后端-设置模块
├── [9.3M] 20-2后端-设置演示
└── [ 54M] 20-3后端-通过动态配置-获取数据库url-向量模型地址
├── 第21章 【实战项目】会话模块开发：实现 ”AI 问答+上下文记忆”完成知识库核心交互功能/
│ ├── [110M] 21-1后端-首页会话-获取动态空间和用户
│ ├── [505M] 21-2后端-标准大模型会话
│ ├── [553M] 21-3后端-RAG大模型会话
│ ├── [159M] 21-4后端-提示词模板的修复
│ ├── [167M] 21-5后端-增加记忆能力
│ ├── [156M] 21-6后端-历史会话记录-显示加载
│ ├── [ 34M] 21-7后端-历史会话记录-清除
│ ├── [ 56M] 21-8后端-历史会话记录-显示慢的优化
│ ├── [346M] 21-9后端-显示引用的文档片段
│ └── [167M] 21-10后端-美化左侧菜单
└── 第22章 【实战项目】扩展知识点：从“能用”到“好用”，AI 知识库深入扩展/
├── [104M] 22-1扩展-项目实战与FastGPT的对比
├── [346M] 22-2扩展-chunk拆分的多种方式
├── [166M] 22-3扩展-问答对的作用
└── [117M] 22-4扩展-graphrag介绍
└── 资料代码/