手把手带你开发 AI 应用，提升大模型实战能力

*   开篇：大模型时代，如何跟上节奏？

*   Deno 和 Jupyter Notebook：如何优雅地学习 LLM？

*   如何方便地获取 OpenAI 服务？

*   Langchain.js 的介绍、安装和快速入门

*   检索增强生成（RAG）原理和流程

*   Prompt：构建可复用的 Prompt Template

*   OutputParser：构建格式化输出

*   Embedding：多数据源加载

*   Embedding：大规模数据的预处理

*   Retriever：构建向量数据库

*   Retriever：retriever 常见优化方式

*   RAG：基于私域数据进行回答

*   Memory：让 Chatbot 拥有记忆能力

*   Memory：深入 Memory 运行机制

*   Memory：实现自定义 Memory 存储

*   RAG：增强 RAG 能力并部署成 API

*   Function Calling：使用 LLM 去调用外界 API

*   Function Calling：使用 LLM 进行数据标注和信息提取

*   Agent：agent 基础

*   Agent：迈出 AGI 第一步，基础 Agent 实现和解析

*   Agent：深入定制 Agent

*   新交互范式：用 LLM_UI 实现 MBTI chat bot

*   探索模型优势：使用 LLM 来 “算命” 的 chatbot

*   结语：另一个起点

*   让AI替代50%的工作 ——1. AI辅助编程基础

*   让AI替代50%的工作 ——2. AI辅助编程协作逻辑

*   让AI替代50%的工作 ——3. 解决程序员最痛苦的难题：命名

*   让AI替代50%的工作 ——4. 利用AI速读代码，精读代码

*   让AI替代50%的工作 ——5. 利用 AI 进行代码改写与依赖迁移

*   让AI替代50%的工作 ——6. AI 辅助 Debug 与智能修复