Skip to content

A comprehensive guide to understanding and implementing large language models with hands-on examples using LangChain for GenAI applications.

License

Notifications You must be signed in to change notification settings

DjangoPeng/openai-quickstart

Folders and files

NameName
Last commit message
Last commit date

Latest commit

e16e12f · Jan 20, 2025
Aug 2, 2023
Aug 27, 2024
Jan 20, 2025
Jul 14, 2024
Jan 20, 2025
Sep 20, 2023
Sep 11, 2024
Jul 17, 2023
Aug 27, 2024
Aug 27, 2024
May 31, 2024

Repository files navigation

大模型(LLMs)应用开发快速入门指南

GitHub stars GitHub forks GitHub watchers GitHub repo size GitHub language count GitHub top language GitHub last commit


English | 中文

本项目旨在为所有对大型语言模型及其在生成式人工智能(AIGC)场景中应用的人们提供一站式学习资源。通过提供理论基础,开发基础,和实践示例,该项目对这些前沿主题提供了全面的指导。

特性

  • 大语言模型的理论和开发基础:深入探讨BERT和GPT系列等大型语言模型的内部工作原理,包括它们的架构、训练方法、应用等。

  • 基于OpenAI的二次开发:OpenAI的Embedding、GPT-3.5、GPT-4模型的快速上手和应用,以及函数调用(Function Calling)和ChatGPT插件等最佳实践

  • 使用LangChain进行GenAI应用开发:通过实例和教程,利用LangChain开发GenAI应用程序,展示大型语言模型(AutoGPT、RAG-chatbot、机器翻译)的实际应用。

  • LLM技术栈与生态:数据隐私与法律合规性,GPU技术选型指南,Hugging Face快速入门指南,ChatGLM的使用。

拉取代码

你可以通过克隆此仓库到你的本地机器来开始:

git clone https://github.com/DjangoPeng/openai-quickstart.git

然后导航至目录,并按照单个模块的指示开始操作。

搭建开发环境

本项目使用 Python v3.10 开发,完整 Python 依赖软件包见requirements.txt

关键依赖的官方文档如下:

以下是详细的安装指导(以 Ubuntu 操作系统为例)

安装 Miniconda

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh

安装完成后,建议新建一个 Python 虚拟环境,命名为 langchain

conda create -n langchain python=3.10

# 激活环境
conda activate langchain 

之后每次使用需要激活此环境。

安装 Python 依赖软件包

pip install -r requirements.txt

配置 OpenAI API Key

根据你使用的命令行工具,在 ~/.bashrc~/.zshrc 中配置 OPENAI_API_KEY 环境变量:

export OPENAI_API_KEY="xxxx"

安装和配置 Jupyter Lab

上述开发环境安装完成后,使用 Miniconda 安装 Jupyter Lab:

conda install -c conda-forge jupyterlab

使用 Jupyter Lab 开发的最佳实践是后台常驻,下面是相关配置(以 root 用户为例):

# 生成 Jupyter Lab 配置文件,
jupyter lab --generate-config

打开上面执行输出的jupyter_lab_config.py配置文件后,修改以下配置项:

c.ServerApp.allow_root = True # 非 root 用户启动,无需修改
c.ServerApp.ip = '*'

使用 nohup 后台启动 Jupyter Lab

$ nohup jupyter lab --port=8000 --NotebookApp.token='替换为你的密码' --notebook-dir=./ &

Jupyter Lab 输出的日志将会保存在 nohup.out 文件(已在 .gitignore中过滤)。

课程大纲

完整文档请移步:大模型(LLMs)应用开发快速入门指南课程大纲

贡献

贡献是使开源社区成为学习、激励和创造的惊人之处。非常感谢你所做的任何贡献。如果你有任何建议或功能请求,请先开启一个议题讨论你想要改变的内容。

Github

许可证

该项目根据Apache-2.0许可证的条款进行许可。详情请参见LICENSE文件。

联系

Django Peng - pjt73651@email.com

项目链接: https://github.com/DjangoPeng/openai-quickstart

⭐️⭐️

Star History Chart

About

A comprehensive guide to understanding and implementing large language models with hands-on examples using LangChain for GenAI applications.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published