[663] AI大语言模型 ChatGPT从0到1打造私人智能英语学习助手详解大语言模型原理、发展历史、工程实践全链路实战3个项目，拓展 AI 产品力与技术视野

网盘链接：

1. 课程 简介 及 GPT 简述

• 1-1 导学
• 1-2 GPT发展时间线
• 1-3 ChatGPT应用案例拆解：案生成、一条指令生成可执行React定时器页面、应用AI能力集成一览
• 1-4 信息生产力革命：了 解GPT原理在大语言模型浪潮之中的价值与应用前景
• 1-5 理解不足才能更好地利用工具：GPT模型的应用短板和局限性

2. 风靡全球 的 ChatGPT 的前世今生以及背后的原理

• 2-1 为什么是 OpenAI (上)：从经济学视角 OpenAI 的崛起
• 2-2 为什么是 OpenAI (中) ：独特的股权结构让微软花了百亿美金租下了 OpenAI
• 2-3 为什么是OpenAI (下)：理解复杂度，尊重复杂度，为何大模型的发展没有首先发生在国内
• 2-4 GPT应用场景一览：除了聊天问你好，不妨把这些任务交给它处理，提升工作效率
• 2-5 问答场景案例解析：使用 ChatGPT 的能力获取通用专业场景的答案，使用 Bing 获取实时的答案
• 2-6 分类场景案例解析：使用 ChatGPT 完成文本语义检测、情感分析、内容审核
• 2-7 翻译场景案例解析(上)：自然语言翻译，让伦敦唐宁街的绅士爱上老北京豆汁儿
• 2-8 翻译场景案例解析(下)：除了基础的自然语言生成代码，还可以让 ChatGPT 学习你设计的定制编程语言
• 2-9 代码场景案例解析：结对编程最佳伴侣，API 速查、Bug 修复业务代码自动化生成有求必应
• 2-10 聊天场景案例解析：实现垂类聊天工具人，人手一尊 AI 佛祖
• 2-11 文本场景案例解析：使用 ChatGPT 实现文本润色、会议内容光速摘要
• 2-12 GPT 模型的缺陷：幻觉、胡诌、思想钢印，理解这些问题才能扬长避短
• 2-13 GPT 模型的缺陷解决方案：把正确的工具用在正确的场景
• 2-14 如何成为优秀的 Prompt 工程师(上)：利用 RIO 原则让你的问题更容易被 ChatGPT 理解，回答更精确
• 2-15 如何成为优秀的 Prompt 工程师(中) : RIO 指令原 则实战教学，练习如何提出正确地问题
• 2-16 如何成为优秀的 Prompt 工程师(下) ：指令编写最佳实践，零样本、少样本、微调场景下的应用方案解析
• 2-17 指令编写最佳实践案例分享

3. 实战-Al工具箱（私人ChatGPT助理），包括项目搭建

• 3-1 如何注册 ChatGPT 与保号建议
• 3-2 基础概念(上)： GPT模型的关键基础概念，Token及其换算关系
• 3-3 基础概念(下)：OpenAI 的模型横向能力对比以及应使用成本对比
• 3-4 项目技术选型与技术架构图梳理：如何无槛接入 ChatGPT 接口与服务
• 3-5 项目技术选型与框架工具选择：站在前人的肩膀上，选择好的工具，更多精力聚焦于业务
• 3-6 AI 助理需求梳理与技术方案梳理
• 3-7 初始化 Next.js 项目并配置基础开发依赖
• 3-8 OpenAI API 转发与 Proxy 配置：实现 ChatGPT 能力无门]槛接入
• 3-9 聊天功能开发，实现 GPT 模型的基础对话功能
• 3-10 实现聊天信息本地持久化
• 3-11 实现多轮对话能力，让 GPT 模型记住我是谁
• 3-12 对话支持流式响应开发前架构概览
• 3-13 对话支持流式响应-服务端转发二进制流
• 3-14 对话支持流式响应-前端解析二进制流
• 3-15 对话支持流式响应-前端控制流停止
• 3-16 多会话模块封装数据处理
• 3-17 -多会话模块-封装数据处理
• 3-18 -多会话模块-实现多会话管理上
• 3-19 多会话模块-实现多会话管理下
• 3-20 -助理模块-数据结构定义
• 3-21 -助理模块-助理列表页面开发
• 3-22 -助理模块-助理编辑功能开发
• 3-23 -助理模块-助理模块嵌入聊天入口
• 3-24 -助理模块-助理能力嵌入 AI 对话场景
• 3-25 实现响应内容 Markdown 实时渲染
• 3-26 零成本部署 AI 助理

4. 实战-AI能力集成到通用IM平台

• 4-1 -如何通过云函数实现零成本服务集成
• 4-2 -GPT 能力集成-飞书机器人上
• 4-3 IM 集成-部署飞书机器人
• 4-4 -GPT 能力集成-钉钉机器人上
• 4-5 IM 集成-部署钉钉机器人
• 4-6 GPT 能力集成-微信公众号上
• 4-7 IM 集成-部署微信公众号

5. LangChain能力全解读，从入门到实践：以研发内网知识库为例

• 5-1 使用Langchain帮助我们快捷构建生产应用-Langchain是什么
• 5-2 为什么使用Langchain-通过框架获取结构化开发能力
• 5-3 -Langchain 的基础组成-Components 到 module 架构的迁移
• 5-4 LangChain的基础组成下-面向开发者更友好的新能力
• 5-5 -model&IO 模块：构建端到端应用的基础
• 5-6 -LangChain 开发环境搭建
• 5-7 -使用 PromptTemplate 高效生成 Prompt
• 5-8 -实操案例，定制入参动态生成 Prompt
• 5-9 -LangChain 支持丰富的大模型资源让开发成本进一步降低
• 5-10 -在 LangChain 中为 ChatGPT 增加代理
• 5-11 -使用 LangChain 快速接入文心一言
• 5-12 -通过 Output Parser 获得结构化 JSON 输出
• 5-13 -通过 Parser 将获得内容列表解析为结构化数组
• 5-14 -如何自动化处理解析失败的问题
• 5-15 -通过 Data connection 生产原始消费数据
• 5-16 -通过 loader 快速实现文本解析和网页爬虫能力
• 5-17 -对加载的数据进行二次清洗和分割
• 5-18 -使用 LangChain 对文本进行向量转换
• 5-19 -使用丰富的集成进行向量存储
• 5-20 -使用 memory 实现向量检索
• 5-21 -使用 supabase 实现向量存储与查询
• 5-22 -核心模块 Chain 入门，使用文档链轻松处理大文本场景
• 5-23 -核心模块 Chain 入门-使用大模型驱动函数、API 调用、SQL 调用
• 5-24 -使用 OpenAI Function 进行应用指令封装应用到智能家居
• 5-25 -意图路由基础-实现多 Prompt 动态选择
• 5-26 -模块集成-如何用十五行代码实现 ChatPDF
• 5-27 -意图路由应用-实现多数据源查询
• 5-28 -意图路由应用-企业内网知识库检索实现思路
• 5-29 -意图路由应用-应用 Copilot 实现思路与 FIDL 概念
• 5-30 -使用多元的 Memory 模式让 GPT 拥有上下文记忆
• 5-31 -agent 基础概念与分类以及 GPT Function 获取实时信息
• 5-32 -通过 Agent 计划与执行任务
• 5-33 -使用 ReAct 框架大幅提高 GPT 回复准确率

6. 实战-AI产品实战智能英语学习助手

• 6-1 -英语学习助理应用功能概览与技术依赖
• 6-2 -Whisper 的语音转文本与 elevenLabs 的强大的语音合成
• 6-3 -openai 官方文本转语音（TTS）模型介绍，十分之一的价格，更强的性能
• 6-4 -语音对话助理实现架构介绍
• 6-5 AI 助理前端改造-增加 AI 语音交互逻辑上
• 6-6 -AI 助理前端改造-增加 AI 语音交互逻辑下
• 6-7 -AI 助理前端改造-增加 AI 语音交互逻辑下，增加录音逻辑与前台状态管理
• 6-8 -AI 对话后端能力封装，支持语音与 ChatGPT 进行对话
• 6-9 -前后端集成，完成 AI 语音对话联调与效果展示

7. AI应用场景分析

• 7-1 ：ChatGPT 在软件行业生产环节的应用概览
• 7-2 ：Figma AI 的应用效果
• 7-3 ：使用 Vercel v0 进行 UI 代码的生成
• 7-4 ：GPT 在大厂代码单元测试中的应用案例
• 7-5 ：GPT 在 Code review 中的应用案例，有效提升大型项目的 review 效率
• 7-6 ：再谈 FIDL 软件研发从面向 GUI 到面向 AI
• 7-7 ：GPT 在电商场景的应用案例
• 7-8 ：GPT 在 IOT 领域的应用，智能音响、机器人
• 7-9 ：GPT 在医疗、教育、内容领域的应用

8. AI应用场景拓展

• 8-1 -midjourney 使用入门与介绍
• 8-2 使用 heygen 生成高质量视频翻译与逼真虚拟人视频
• 8-3 使用免费的 New bing 体验最新的 GPT4-V
• 8-4 -利用 runway gen-2 生成高质量影片

9. 【加餐】-11.06 OpenAI 开发日重磅更新，官方Agent介绍

• 9-1 -OpenAI 开发者大会新能力解读，价格更便宜，token 更多
• 9-2 -重磅新能力 Assistant 发布-官方下场做 Agent
• 9-3 -面向开发者友好的新功能，GPT 返回合法 JSON 与保持响应一致性的请求种子
• 9-4 -给 AI 创业者的建议-开发者大会带来的警示