2024marscode青训营笔记

本章节介绍了使用RAG技术提升鲜花运营效率的方法。通过设置OpenAI API密钥、初始化嵌入类、生成文本嵌入、缓存嵌入向量、文档加载、索引创建和文本分割，实现了高效检索和生成鲜花相关信息。

本章节介绍了LangChain中工具和工具箱的使用，包括如何集成OpenAI和Gmail API，并展示了通过Agent系统执行任务的代码示例。学习重点在于工具集成、代码实践和Agent类型。

本章节介绍了LangChain框架下代理的使用，包括结构化对话、自我提问搜索和计划执行。通过代码示例，学习者将掌握如何配置API、初始化代理、定义工具以及运行代理，以实现智能问答和自动化任务。

本章节学习了LangChain框架中AgentExecutor如何驱动模型和工具完成任务，包括设置API密钥、配置调试、加载库、初始化模型和工具，以及运行代理处理具体问题。

本学习笔记介绍了LangChain实战课中关于ReAct框架的章节，重点讲解了如何构建能够进行推理和执行动作的代理。通过示例代码，展示了代理如何根据市场信息推理并计算玫瑰花的定价。

本学习笔记概述了LangChain实战课中关于利用记忆模块来存储客户对话细节的章节。通过示例代码，展示了如何使用不同的记忆机制，如ConversationBufferMemory和Conversati

本课程使用LangChain的RouterChain确定客户意图，构建多提示链处理鲜花护理和装饰问题。提供代码示例和测试用例。

本章节学习了使用LangChain的FewShotTemplate和ExampleSelector工具，通过少量样本创建应景文案。掌握了构建模板、生成提示、调用模型和解析输出的关键步骤。

本章节学习了使用LangChain构建基于“易速鲜花”知识库的智能问答系统。涉及文档加载、分割、嵌入存储、检索准备和问答系统UI实现。

学习了LangChain系统安装与入门，了解了OpenAI API更新，实践了使用OpenAI和LangChain库生成文本，准备深入探索更多功能。

本章节学习了如何构建输入提示、调用语言模型及解析输出。通过实践操作，掌握了与大型语言模型交互的关键技能，提升了编程能力和对自然语言处理的理解。