从零开始: 使用Ollama与本地LLMs构建, 评估与优化AI代理, 聊天机器人及RAG应用 | Build & Test AI Agents, ChatBot, RAG with Ollama & Local LLM

来了解一下如何使用LangChain 1.0.3版本搭配LangSmith工具，打造并测试各类AI助手与聊天机器人。我们将一起探索Ollama平台与本地语言模型的使用方法，让你的AI智能助手更加智能、贴心！

你将学到的核心技能

• 在本地计算机上运行大语言模型(LLMs)，快速开发LLM应用程序
• 掌握LangChain开发本地LLM应用的核心能力
• 深入理解链、提示词、聊天提示模板、聊天消息记录等核心概念
• 使用LangChain搭建支持历史对话的智能聊天机器人
• 结合向量存储、嵌入模型与本地大语言模型构建RAG应用
• 掌握大语言模型(LLMs)专用工具的设计与构建方法
• 基于工具支持开发LLM驱动的AI智能代理
• 使用RAGs完成AI代理与RAG应用的测试、评估工作

课程学习要求

• 具备Python基础编程知识
• 拥有学习大语言模型(LLMs)、优化应用工作流程的热情
• 对构建AI代理、RAG应用及相关测试工作充满兴趣

课程详细描述

基于Ollama与本地LLM：构建、测试AI代理、聊天机器人与RAG应用

本课程专为零基础新手打造，即使你从未接触过LangChain，也能循序渐进学习使用本地大语言模型(LLMs)开发各类LLM应用。课程内容已全面适配LangChain v1.0.3最新版本。

课程不仅覆盖应用开发全流程，还会讲解如何使用RAGAs对AI代理、RAG应用和聊天机器人进行评估与测试，保障应用输出结果精准、可靠，同时贴合AI性能行业核心标准。

课程完整学习内容

• LangChain与LangSmith基础核心知识
• 使用LangChain实现聊天消息历史记录，存储对话数据
• 运行并行链与多条链（如RunnableParallels等）
• 结合LangChain与Streamlit开发带消息历史的聊天机器人
• 理解LLM工具与工具链的核心原理
• 开发LLM专用工具与自定义个性化工具
• 通过LangChain创建智能AI代理
• 融合向量存储与本地LLM嵌入实现RAG功能
• 将AI代理、RAG与工具结合开发LLM应用
• 使用LangSmith完成AI应用的优化与调试
• 使用RAGAs测试、评估各类LLM应用
• 实战项目开发与动手测试全方案
• 利用RAGAs评估AI代理与RAG应用效果

课程全程在Jupyter Notebook中，通过Visual Studio进行教学，提供沉浸式互动学习体验，你可以直接运行代码，轻松跟随课程实操学习。

完成课程学习后，你将能够独立、自信地完成AI驱动应用的构建、测试与全流程优化！

适合学习的人群

• 初级开发者、测试工程师
• 人工智能工程师、AI测试人员
• AI测试工具、生成式AI测试工具从业者