视频选集 LangChainV1.0开讲前的补充 LangChainV1.0的介绍 LangChainV1.0版的革新 Agent的定义和环境搭建 LangChainV1.0调用大模型(一) LangChainV1.0调用大模型(二) LangChainV1.0调用大模型(三) 调用模型的速率限制 国内外的大模型结构化输出 创建一个Agent项目 部署Agent项目到本地服务器 智能体中定义工具(一) 智能体中定义工具(二) 工具测试和Agent整合 智能体中定义工具(三) 智能体中的异步工具 基于Agent的TextToSQL案例(一) 基于Agent的TextToSQL案例(二) 基于Agent的TextToSQL案例(三) 基于Agent的TextToSQL案例(四) 基于Agent的TextToSQL案例(五) 基于Agent的TextToSQL案例(六) 基于Agent的TextToSQL案例(七) 基于Agent的TextToSQL案例(八) Langchain是什么 Langchain的核心 Langchain的底层原理 Langchain的环境和监控 采用Langtain调用LLM Langchain的提示模板 部署你的langchain程序 LangChain构建聊天机器人 流式输出的处理 构建文档和向量空间 检索器和模型结合 Tavily搜索工具 Agent代理的使用 构建RAG对话应用(一) 构建RAG问答应用(二) 构建RAG问答应用(三) Langchain读取数据库 Langchain和数据库整合 Agent整合数据库 爬取Youtube字幕并构建向量数据库 执行代码并保存向量数据库 加载向量数据库并测试 (2) 定义数据模型得到检索指令 根据检索条件去执行 提取和输出结构化数据 提取多个对象 生成一些文本数据 生成结构化的数据(一) 生成结构化的数据(二) 实现文本分类(一) 实现文本分类(二) 文本自动摘要的三种方式 文本自动摘要Stuff方式 文本自动摘要MapReduce(一) 文本自动摘要MapReduce(二) 文本自动摘要Refine方式 关于AI大模型的选择(必看) Qwen3大模型私有化部署(一) Qwen3大模型私有化部署(二) 测试私有化部署的Qwen3 国内外各种大模型的调用(一) 国内外各种大模型的调用(二) Deepseek-R1-0528大模型的部署和测试 提示词模板(一) 提示词模板（二）ICL技术 聊天和消息占位符 输出解析和结构化(一) 输出解析和结构化(二) 输出解析和结构化(三) 结构化输出的总结和多模态机器人案例 在聊天的提示词模板中用ICL 多模态聊天数字人案例(一) 多模态聊天数字人案例(二) 多模态聊天数字人案例(三) 多模态聊天数字人案例(四) 处理聊天历史记录的摘要(一) 处理聊天历史记录的摘要(二) 处理聊天历史记录的摘要(三) 多模态聊天数字人案例(五) 多模态聊天数字人案例(六) 多模态聊天数字人案例(七) 语音转文字模型 语音转文字模型(二) 多模态和全模态大模型 多模态大模型测试 最后的多模态聊天数字人案例
