视频学习地址
RAG理解

20260413

了解大模型调用API
APIkey的环境变量配置，避免泄露
免费额度用完之后，可以考虑Olllama，需要本机硬件配置性能好，不然卡顿
新版的运行olllama 需要配置apikey=“ollama”

差点因为环境安装不成功而放弃，安装包需要在所选环境中去安装，我一开始一直在本地安装，运行的时候总是找不到 导入不成功

各种包依赖下载
transformer的理解
aiagent的学习包 bcefghj 的github
langchain官网的最新引用

大模型调用的代码练习，自己手敲一遍，不看代码，发现，不动手就是没记住，各种格式问题

时代会淘汰不与时俱进的人！！

提示工程
如果自己觉得提示词不完善，可以把问题描述清楚一i点，让AI给你写提示词，然后再让AI用该提示词进行创作

提示词，步骤化，参考的语料用括号括起来，说得直白一点，先喂样例

提示词优化

用代码实现，调用api进行询问，之前习惯与UI交互，然后也习惯于将数据写死 ，比如messages这部分。但是few-shot的例子是动态的，所以利用messages构造历史信息的时候，就不能写死，需要使用for循环进行装填

for key,value in example.items():
    messages.append({'role':'user','content':value})
    messages.append({'role':'assistant','content':key})

json字符串是双引号

0414

langchain 部署下载
RAG


langchain初尝试
调包=实例化-对话

from langchain_community.llms import 	Tongyi
model=	Tongyi(model="")
model,invoke(input="")
modek.stream(input="")

聊天模型角色 systemMessage\HumanMessage\AIMessage

模板类中的format，invoke


注意模型的输入类型 模型的输出不能直接作为模型的输入，类型不符合模型的输入格式，需要进行格式调整

StrOutputParse()是将AImessage转换为STR
jsonOutputParse 是将AImessage 转换为 json字典

0416
记忆