Transformer 是 GPT、BERT 等大模型的基石，核心创新是自注意力机制，让模型能并行处理整个序列，同时关注句子中任意两个词的关系。本文从头实现了 Transformer 编码器的完整结构：输入嵌入、位置编码、多头自注意力（QKV）、前馈网络、残差连接与层归一化，并对比了 GPT（仅解码器）与 BERT（仅编码器）的架构差异。

LangChain 通过六大核心抽象简化大模型应用开发：Models 统一模型接口，Prompt Templates 实现动态提示词，Chains 串联组件形成流水线，Memory 为对话提供记忆，RAG 基于外部知识库增强回答，Agent 让模型自主调用工具。本文通过 Python 代码示例逐一拆解这些抽象，帮助开发者快速上手。

Dify是开源大模型应用开发平台，将可视化工作流编排、内置RAG知识库、Prompt版本管理、插件工具调用和完善的API整合为开箱即用的服务，无需从零搭建技术栈。本文面向新手，从零介绍Dify的五大核心能力，通过Python代码示例详细演示基础对话调用、流式响应输出、知识库检索问答、可视化工作流触发以及自定义工具集成等实际开发场景，并与LangChain进行多维度对比分析，帮助开发者快速上手构建自

Python+大模型API 第一期

Python+大模型API 第二期

Python+大模型API第三期

Python+大模型API 第4期

Python+大模型API 第5期

Python+大模型API 第6期

Python+大模型API 第7期