使用说明
全栈生成人工智能训练营
Python全栈生成和代理AI课程——涵盖Python、Git、Docker、LLM、RAG、LangChain、LangGraph、代理和模型上下文协议（MCP）。
🧠 使用Python的全栈生成和代理AI
欢迎来到我的个人资料库，记录我的学习历程 全栈生成和代理AI训练营 --这是一门实践课程，涵盖了从Python和Docker到LangChain、RAG、LangGraph和AI代理的所有内容。
🎯 课程概述
这个存储库包括我的笔记、代码练习和课程中的项目：
现代人工智能实践指南 --令牌化、代理、RAG、矢量DB和部署可扩展的AI应用程序。
到最后，我将使用与ChatGPT、Gemini和Claude相同的技术构建和部署现实世界的人工智能系统。
🧩 我正在学习什么
1.基础
- Python、Git、Docker和Pydantic
- 专业的GitHub工作流程
2. 人工智能和法学基础知识
- 标记化、嵌入、转换
- 多头注意力和模型内部
3.快速工程
- 零样本、少量快照、CoT和角色提示
- Pydantic结构化提示
4.法学硕士整合
- 使用OpenAI、Gemini和本地模型（Ollama、Hugging Face）
- 使用FastAPI构建API
5.代理商和RAG
- 从头开始构建代理
- 用LangChain和矢量DB实现RAG管道
- 使用Redis/Valkey+FastAPI进行扩展
6.语言图形和内存
- 状态图、检查点和AI内存
- 集成MongoDB和Neo4j用于内存系统
7.会话和多模态AI
- 语音转文本、文本转语音和语音助手
- 多模态LLM（图像+文本）
8.模型上下文协议（MCP）
- 了解MCP、STDIO、SSE
- 用Python构建MCP服务器
🧱 文件夹结构
- 00设置和基础知识/→ Python、Git、Docker、Pydantic
- 01 llm基础/→ 标记化、嵌入、注意力
- 02快速工程/→ 快速的设计策略
- 03 llm集成/→ API和本地模型
- 04代理商和抹布/→ RAG和代理商
- 05语言存储器/→ 图形存储系统
- 06多式联运→ STT、TTS、多模态模型
- 07 mcp/→ 模型上下文协议
- 项目/→ 现实世界中的小型项目
