趋近智

所有课程

提示工程与大语言模型应用开发

章节 1: 提示工程核心知识

大型语言模型简介

什么是提示工程？

提示词的构成要素

基本提示技巧

了解LLM温度及其他参数

实际操作：简单提示词实验

第 1 章测验

章节 2: 进阶提示策略

零样本提示

小样本提示

指令遵循提示

角色设定提示

结构化输出格式 (JSON, Markdown)

思维链提示

自洽性提示

练习：应用高级技巧

第 2 章测验

章节 3: 提示词设计、迭代与评估

有效提示词设计的方法

管理提示长度和上下文窗口

迭代式提示词优化

评估提示词表现

自动化提示词测试方法

提示词的版本控制

动手实践：提示词优化挑战

第 3 章测验

章节 4: 与大型语言模型API通信

常见大型语言模型API概览（OpenAI、Anthropic等）

API 认证与安全

使用 Python 发送 API 请求

理解API请求参数

处理API响应

处理 API 错误和速率限制

动手实践：搭建一个简单的问答机器人

第 4 章测验

章节 5: 使用LLM框架构建应用

大型语言模型框架介绍（如LangChain）

核心构成部分：模型、提示、解析器

LLM应用中的记忆管理

智能体简介

智能体工具的使用

动手实践：开发一个智能体应用

第 5 章测验

章节 6: 整合大型语言模型与外部数据 (RAG)

标准大语言模型知识的局限

检索增强生成 (RAG) 简介

文档加载与拆分

文本嵌入模型

向量存储简介

实施语义搜索/检索

结合检索到的内容与提示词

RAG 基本流程的实现

实操：构建文档RAG问答系统

第 6 章测验

章节 7: 输出解析、校验与应用稳定性

LLM输出一致性面临的挑战

提示生成结构化数据（再谈）

使用输出解析器

数据验证技术（例如 Pydantic）

处理解析错误

实施重试机制

内容审核与内容过滤API

实践：实现可靠的输出处理

第 7 章测验

章节 8: 应用程序开发考量

大语言模型应用代码组织

管理 API 密钥和机密信息

成本估算与监控

基本缓存策略

大型语言模型应用测试

简单部署选项（无服务器、容器）

动手实践：一个简单LLM应用的容器化

第 8 章测验

Quiz for 整合大型语言模型与外部数据 (RAG) | ApX Machine Learning

测验

章节：整合大型语言模型与外部数据 (RAG)

测试您对本章概念的理解并进行练习

测验说明

此测验包含 16 道问题来帮助您练习。
您需要至少获得 70% 的分数才能通过。
尝试次数：无限制。
将保留您的最高分数。
请在没有帮助的情况下尝试此测验；但是，如果需要，您可以随时参考章节笔记或使用代码解释器。
完成所有章节测验即可获得课程完成证书。了解更多

问题格式

问题设计得引人入胜，侧重于理解、应用和解释，而不是死记硬背。期待基于场景的问题，测试您应用所学知识的能力。

尝试记录

最佳分数和测验尝试将显示在这里。

© 2025 趋近智