LLM Cookbook 大模型开发手册，汇聚了斯坦福大学的吴恩达老师与OpenAI合作打造的大语言模型（LLM）系列经典课程，旨在系统化解决中文场景下大模型应用的技术挑战，覆盖 RAG 、 LangChain 、 微调训练 、 国产模型适配 等核心技术模块， 从模型原理到应用落地，全方位介绍大模型的开发技能。
一、核心功能模块：
- RAG系统构建： 提供文本分块策略与索引构建实践，支持高效文本检索与增强。
- LangChain应用： 封装中文Prompt模板，优化Chain结构设计与缓存机制。
- 国产模型适配： 支持千问、百川等国内主流模型的接入与微调。
- 微调训练： 基于Alpaca格式构建任务迁移，通过LoRA技术实现低成本微调。
- 多模态集成： 融合OCR、语音识别及图文理解能力，构建多模态问答系统。
这本手册涵盖大模型应用开发的方方面面，相信通过学习，即便你没有丰富编程经验，也可以顺利入门大模型，开发出有实用价值的AI产品。
二、手册内容详情
第一部分 面向开发者的提示工程
第一章 简介
第二章 提示原则
第三章 迭代优化
第四章 文本概括
第五章 推断
第六章 文本转换
第七章 文本扩展
第八章 聊天机器人
第九章 总结
第二部分 搭建基于 ChatGPT 的问答系统
第一章 简介
第二章 语言模型，提问范式与 Token
第三章 评估输入——分类
第四章 检查输入 - 审核
第五章 处理输入-思维链推理
第六章 处理输入-链式
第七章 检查结果
第八章 搭建一个带评估的端到端问答系统
第九章 评估（上）——存在一个简单的正确答案
第十章 评估（下）——不存在简单的正确答案
第十一章 总结
第三部分 使用 LangChain 开发应用程序
第一章 简介
第二章 模型，提示和输出解释器
第三章 储存
第四章 模型链
第五章 基于文档的问答
第六章 评估
第七章 代理
第八章 总结
第四部分 使用 LangChain 访问个人数据
第一章 简介
第二章 文档加载
第三章 文档分割
第四章 向量数据库与词向量(Vectorstores and Embeddings)
第五章 检索(Retrieval)
第六章 问答
第七章、聊天 Chat
第八章、总结
这份吴恩达 《 面向开发者的大模型手册》PDF已经整理好，👉获取方式： 👉掘金大礼包🎁：[全网最全《LLM大模型入门+进阶学习资源包》免费分享] （安全练接，放心点击） ]👈
