解决什么工作场景：让大模型真正去干活
很多上班族转行者刚接触大语言模型时，往往停留在网页端一问一答的阶段。这门课解决的核心痛点，就是教你用 Python 配合 LangChain 框架，把大模型从“聊天机器人”变成能自动化处理业务的工具。课程场景非常具体：比如你需要分析上市公司近况，传统做法是人工搜新闻、读财报、写总结；学完这套方法后，你可以让程序自动抓取信息，让大模型提取关键数据并输出结构化的 JSON 文件。它不教底层算法原理，只解决“怎么把现成的大模型接口接到你的代码里，让它按你的要求干活”的问题。
适合什么基础：能看懂基础语法的初学者
课程定位是“粗暴入门”，意味着它对前置技能的要求很低。只要你具备最基础的 Python 语法阅读能力，知道怎么运行脚本、怎么装库，就能跟上进度。如果你之前没写过代码，直接硬啃可能会在环境配置环节卡壳；但如果你是经常需要处理数据、写点自动化脚本的职场人，这套资料的门槛刚好合适。它不要求你懂深度学习，重点全在框架的拼装和调用逻辑上，属于典型的应用层开发。
资料怎么用：先跑通链路，再做智能体
- 建议先看哪几块：不要按顺序一节节死磕。优先看前四讲的链与模板部分，这是整个框架的基石。理解了 Prompt 模板怎么传参、输出解析器怎么把大模型的废话提取成标准格式，后面的功能才有意义。接着直接跳到第8、9讲的实战演练，对照着上市公司信息分析的项目，把前面的知识点串起来。最后再回头看第10讲往后的 Agent 部分，这部分涉及让模型自主决定调用什么工具，逻辑相对复杂，放在最后啃。
- 学完能独立做什么：你能独立写出具备上下文记忆的对话脚本，能自定义工具让大模型去调用外部接口。比如做一个能读取本地数据库的客服问答，或者写一个自动抓取网页内容并总结成固定格式的分析助手。
- 资料怎么配合练习：这套资料的核心价值在于代码结构的复用。每听完一个模块，不要照抄，而是替换掉课程里的业务变量。比如讲到输出解析器，你自己找一个工作里的报销单文本，让模型提取金额和时间。讲到记忆模式时，试着把对话历史存成本地文件再读取。边看边改，把课程里的“上市公司分析”换成你所在行业的具体业务，这套框架才算真正长在你的技能树上。
后面要开一系列AI应用级开发，包括云原生应用，譬如基于k8s的故障智能定位系统等。因此我们需要快速对langchain这个框架快速入个门。本课程适合新手，大约2
课程目录
* 第1讲:开张课、快速调用OpenAI
* 第2讲:链(chain)快速入门、prompt模板的快速入门
* 第3讲:输出解析器快速入门（str和json）
* 第4讲:模板使用快速入门、聊天模板
* 第5讲:对话记忆模式链（1）快速入门
* 第6讲:对话记忆模式链（2）记忆载体(各种memory)的使用
* 第7讲:对话记忆模式链（3）带自我总结的记忆对话用法
* 第8讲:实战演练(1):基于AI的上市公司信息分析
* 第9讲:实战演练: 抓取信息后分析总结上市公司近况
* 第10讲:langchain agent入门(1) 基本概念、创建tools的多种写法
* 第11讲:langchain agent入门(2) 定义输出解析器和模板
* 第12讲:langchain agent入门(3) 创建agent并执行
* 第13讲:langchain agent入门(4) 了解hub，拉取prompt
* 第14讲:补充: 向量搜索(1) Faiss入门、通义千问embedding
* 第15讲:补充: 向量搜索(2) 基于文档搜索、文档分割
* 第16讲:补充: 向量搜索(3) 向量数据库之Chroma快速使用
* 第17讲:向量数据库之qdrant快速集成(1) 插入数据
* 第18讲:向量数据库之qdrant快速集成(2) 搜索、如何相对精准搜索
* 第19讲:补充课：关于langchain表达式之RunnablePassthrough
* 第20讲:传说中的RAG是什么、基本代码写法
* 第21讲:rag学习(2)html抓取在线检索（初级）
* 第22讲:练手:分析金融(股票)数据(1)几个手法和技术要点
* 第23讲:langchain整合selenium4.x进行无头浏览器抓取
* 第24讲:结合直聘网开发求职助手(1) 基本思路和实现(上)
* 第25讲:第24讲:结合直聘网开发求职助手(1) 基本思路和实现(下)
* 第26讲:结合直聘网开发求职助手(2) 读取word、拆分自己的简历
* 第27讲:langchain集成智普免费AI的基本写法
* 第28讲:开发直聘网求职助手(3) 利用rag把自己的简历浓缩成50字精髓
* 第29讲:开发直聘网求职助手(4) 利用招聘需求自动编写简历(初步)
* 第30讲:开发AI求职助手(5) 利用搜索引擎增强rag能力
