前言：本人没任何计算机编程基础的纯菜鸟小白，第一次打开这个课程的时候，真的一脸懵，不知道该从哪里入手。过程中我一边发现问题、求助各位大佬、一边记录下来形成了这篇文章，希望写下来的这些可以帮助有类似困惑的朋友。由于都是纯个人（小白）经验，回答不了专业问题，欢迎评论区大家多多交流，互帮互助，共同进步，如有问题欢迎指正。
以下记录题目练习范围：00_开篇词_奇点时刻、01_LangChain快速入门、02_文档OA系统
第一步：打开AI练中学（具体位置，参考截图）
第二步：先看README文档（具体位置，参考截图）按照里面的教程注册火山引擎账号，获取你的API、base_url、model_endpoint，后续配置环境变量要用到。
第三步：配置环境变量，运行命令。
注意点1：## 要找准.cloudiderc文件位置。
文件——打开文件——然后找到👇截图位置。（..两个点多点几次，直到看见返回home层级） 或者参考这位大佬的方法：[juejin.cn/post/743263…]
注意点2：在终端命令行执行输入source ~/.cloudiderc时，可能会出现的疑问+解惑：
- 这个指令在哪里操作？（如👇截图所示--这里就是终端命令运行的位置）
- 怎么运行结果？输入完毕后，按ENTER键即可看到运行结果。
- 怎么看运行是否成功？运行成功会显示蓝色圈圈，若失败会显示红色圈叉，并且会提示错误原因（如截图所示）。
注意点3： 运行时source ~/.cloudiderc出现过的代码错误有：
- source: no such file or directory: /home/cloudide/.cloudider
- source: no such file or directory: ～/.cloudiderc 【分析上面错误原因是拼写遗漏或输入法有非英文。总之，一定要仔细检查写对！ 正确的写法source ~/.cloudiderc】
第四步：当显示蓝色圈圈则表示运行成功了，然后你就可以执行课程里的其他代码开始运行了。
第五步：运行课程代码,开始run。
00-01题 不用改，直接运行通过
00-02 运行结果屡次失败？正确代码到底咋写
运行出现各种错误：
最后，通过项目重置—→只把这一行代码改成下图所示，终于运行成功啦！[juejin.cn/post/743263…] 参考的这位大佬的方法。
如何项目重置？当把示例代码删掉或写乱时，想着全部重新做一遍得了。
界面最右侧——点击工作台——对当前项目进行删除，之后再从第一步进入即可完成重置。
01-01 针对性改代码
[juejin.cn/post/743263…] 参考这位大佬的方法，对下面位置进行了修改后的代码。
01-02至01-04
不用改，可以直接运行成功！
02 文档OA系统
旁边AI分析问题出现在DocQA.py文件的第 78 行，具体是在调用from_documents方法时出现了错误。
解决方法：[juejin.cn/post/743268…] 参考的这位大佬做出来的；juejin.cn/post/743336… 这篇笔记也不错，可以参考。
具体操作细节有两点：
①添加export EMBEDDING_MODELEND这个的位置：如下图
②os.environ["EMBEDDING_MODELEND"]这个添加的位置：如下图，注意改成你的模型id
最后，输入问题：仪容仪表规范包含哪些内容？会得到答案——运行成功！
👩🏻💻241103 第1课的一些笔记碎片
LangChain是一个基于大语言模型（LLMs）用于构建端到端语言模型应用的框架，它可以让开发者使用语言模型来实现各种复杂的任务，例如文本到图像的生成、文档问答、聊天机器人等。LangChain提供了一系列工具、套件和接口，可以简化创建由LLMs和聊天模型提供支持的应用程序的过程。
LangChain 是一个全方位的、基于大语言模型这种预测能力的应用开发工具，它的灵活性和模块化特性使得处理语言模型变得极其简便。
LangChain中的具体组件包括：
- 模型（Models），包含各大语言模型的LangChain接口和调用细节，以及输出解析机制。
- 提示模板（Prompts），使提示工程流线化，进一步激发大语言模型的潜力。
- 数据检索（Indexes），构建并操作文档的方法，接受用户的查询并返回最相关的文档，轻松搭建本地知识库。
- 记忆（Memory），通过短时记忆和长时记忆，在对话过程中存储和检索数据，让ChatBot记住你是谁。
- 链（Chains），是LangChain中的核心机制，以特定方式封装各种功能，并通过一系列的组合，自动而灵活地完成常见用例。
- 代理（Agents），是另一个LangChain中的核心机制，通过“代理”让大模型自主调用外部工具和内部工具，使强大的“智能化”自主Agent成为可能！你的 App 将产生自驱力！ 这些组件是LangChain的基石，是赋予其智慧和灵魂的核心要素，它们相互协作，形成一个强大而灵活的系统。
什么是大语言模型？ 大语言模型是一种人工智能模型，通常使用深度学习技术，比如神经网络，来理解和生成人类语言。这些模型的“大”在于它们的参数数量非常多，可以达到数十亿甚至更多，这使得它们能够理解和生成高度复杂的语言模式。 你可以将大语言模型想象成一个巨大的预测机器，其训练过程主要基于“猜词”：给定一段文本的开头，它的任务就是预测下一个词是什么。模型会根据大量的训练数据（例如在互联网上爬取的文本），试图理解词语和词组在语言中的用法和含义，以及它们如何组合形成意义。它会通过不断地学习和调整参数，使得自己的预测越来越准确。
再说角色，在OpenAI的Chat模型中，system、user和assistant都是消息的角色。每一种角色都有不同的含义和作用。
- system：系统消息主要用于设定对话的背景或上下文。这可以帮助模型理解它在对话中的角色和任务。例如，你可以通过系统消息来设定一个场景，让模型知道它是在扮演一个医生、律师或者一个知识丰富的AI助手。系统消息通常在对话开始时给出。
- user：用户消息是从用户或人类角色发出的。它们通常包含了用户想要模型回答或完成的请求。用户消息可以是一个问题、一段话，或者任何其他用户希望模型响应的内容。
- assistant：助手消息是模型的回复。例如，在你使用API发送多轮对话中新的对话请求时，可以通过助手消息提供先前对话的上下文。然而，请注意在对话的最后一条消息应始终为用户消息，因为模型总是要回应最后这条用户消息。
Chat模型和Text模型都有各自的优点，其适用性取决于具体的应用场景。 相较于Text模型，Chat模型的设计更适合处理对话或者多轮次交互的情况。这是因为它可以接受一个消息列表作为输入，而不仅仅是一个字符串。这个消息列表可以包含system、user和assistant的历史信息，从而在处理交互式对话时提供更多的上下文信息。 这种设计的主要优点包括：
- 对话历史的管理：通过使用Chat模型，你可以更方便地管理对话的历史，并在需要时向模型提供这些历史信息。例如，你可以将过去的用户输入和模型的回复都包含在消息列表中，这样模型在生成新的回复时就可以考虑到这些历史信息。
- 角色模拟：通过system角色，你可以设定对话的背景，给模型提供额外的指导信息，从而更好地控制输出的结果。当然在Text模型中，你在提示中也可以为AI设定角色，作为输入的一部分。
