# LLM应用开发平台特训营视频课程

*Published:* 2024-06-19
*Author:* 客服001

#### 温馨提醒

如果文章内容或图片资源失效，请留言反馈，我们会及时处理，谢谢

本文最后更新于2024年12月29日，已超过 180天没有更新



![](https://www.xarjtc.com/wp-content/uploads/2024/06/3f3e86564848b32.webp)

![](https://www.xarjtc.com/wp-content/uploads/2024/06/40cf9d48e448c0a.webp)![](https://www.xarjtc.com/wp-content/uploads/2024/06/b7cb0af5daae010.webp) 全流程打造价值极高、可商用的大模型应用开发LLMOps平台

迅速具备低门槛、低成本、高效率构建生成式 AI 原生应用的稀缺能力

教/学/练/测/评教学+大厂内推机会，培养具备AI架构和研发能力的尖端人才

[![](https://www.xarjtc.com/wp-content/uploads/2024/06/8a3c5e01830fc2b.webp)](https://www.xarjtc.com/wp-content/uploads/2024/06/8a3c5e01830fc2b.webp)

**章节目录：**

阶段一：【LLMOPs平台搭建】架构设计与基础聊天机器人开发

第1周 LLMOps平台开发基础及架构设计

本周学习大语言模型（LLM）基础及LLMOps平台的开发基础、架构设计，并探讨了大语言模型在企业中的应用及其对软件开发的影响，以及如何利用ChatGPT辅助课程学习及软件开发。

课程安排：

1、 从零开始快速认知大语言模型（LLM）及应用场景；

2、 探讨大语言模型如何影响软件的构建与交互；

3、 介绍LLMOps平台开发基础及架构设计；

4、 演示LLMOps项目的功能及业务逻辑，并拆分需求；

5、 学习如何利用ChatGPT来辅助课程学习、开发与学习建议；

第2周 LLMOps后端搭建，构建基础聊天机器人

Python是人工智能编程语言，本周手把手带领大家，从如何安装，到配置LLMOps项目后端，安装数据库、编写测试脚本，初步了解LangChain框架，并对接OpenAI实现第一个聊天机器人。

课程安排：

1、掌握Python环境搭建与开发工具配置；

2、学习LLMOps项目后端开发约定及规范，提升代码可维护性；

3、统一项目API接口设计与开发，降低对接成本；

4、掌握PostgreSQL数据库安装与ORM模型的使用；

5、掌握数据库迁移实现数据库版本控制；

6、掌握PyTest代码测试与版本控制，提升代码健壮性；

7、掌握Postman快速调试后端接口技能；

8、对接OpenAI实现第一个聊天机器人；

9、学习LangChain框架降低LLM应用开发难度；

10、学习LangSmith开发平台的使用，用于监测LLM生命周期；

第3周 LLMOPs前端搭建关联聊天机器人API

本周学习Node.js环境的安装、LLMOps前端项目搭建、Vue.js项目架构设计、解决前后端跨域、并配置ArcoDesign框架与Tailwindcss方案实现第一个带UI的聊天机器人。

课程安排：

1、掌握Node.js环境搭建与开发工具配置；

2、学习LLMOps项目前端开发约定及规范；

3、配置前端API请求库、路由及页面合理划分；

4、为项目添加Tailwindcss原子化css方案，降低css编写难度；

5、解读API开发文档并抽取公共服务，提升接口对接效率；

6、对接后端API实现带UI的聊天机器人；

7、编写测试代码及时发现错误异常；

阶段二：【商业级聊天机器人开发】具备记忆、自动联网、联动自制知识库

第4周 记忆模块开发，让聊天机器人有记忆

本周掌握LLM的上下文窗口概念、了解上下文长度限制与解决方案，学习LCEL表达式，尝试使用LangChain的记忆组件实现对长上下文的记忆及总结，将该方案集成到项目中，实现带记忆/状态功能聊天机器人。

课程安排：

1、掌握LLM的状态、上下文窗口、长度限制及解决方案；

2、学习LCEL表达式，降低LLM应用开发难度；

3、使用LangChain记忆组件解决LLM无状态/记忆问题；

4、编写带有历史对话总结的Prompt提示词；

5、拆解AutoGPT记忆模块，了解优质项目的解决记忆解决方案；

6、掌握将LLM对话/状态持久化到数据库中的技巧；

7、完成第一个带有记忆功能的机器人；

第5周 数据集模块开发-实现特定知识库问答

本周学习LLM幻觉解决策略，开发LLMOps知识库模块，实现聊天机器人特定问答。学习向量数据库配置，涉及词向量、Embedding、数据集、异步队列、分词、搜索重排与测试。

课程安排：

1、 了解LLM出现幻觉的原因，及常见解决方案；

2、 掌握常见向量数据库的配置及使用，并在项目中对接向量数据库；

3、 学习文本嵌入模型Embeddings的用途及使用；

4、 掌握LangChain的文档加载器及文本分割器的使用，实现LLM读取文件功能；

5、 掌握对象存储功能，分离文件存储与代码运行环境；

6、 掌握Celery分布式队列任务的使用，高效处理耗时或者定时任务；

7、 掌握jieba分词工具，实现文本关键词提取；

8、 掌握Rerank搜索重排序功能及原理；

9、 在LLMOps项目中集成知识库功能；

10、 聊天机器人关联知识库，完成基于知识库问答功能；

11、 聊天机器人与前端UI完成对接，实现文件上传及对话；

第6周 插件功能开发-聊天机器人实时联网获取信息

本周学习GPT-4/New Bing联网，LLM回调，ReACT对话链与Agent策略。掌握LangChain组件，创建LangGraph Agent并集成插件，实现聊天机器人实时联网。

课程安排：

1、了解LLM应用的短板与局限性；

2、了解GPT-4/New Bing底层如何实现联网；

3、学习Agent基础概念及不同Agent的适用场景；

4、学习LLM的函数回调及格式化输出，让LLM拥有更强的能力；

5、掌握LangChain中的工具组件，开发自定义工具；

6、掌握在LangChain中构建Agent，让LLM自主决策工具选择；

7、掌握LangGraph构建图应用，实现可观测的Agent；

8、完成LLMOps项目聊天机器人的实时联网搜索信息功能；

9、完成LLMOps项目前端接口的对接；

阶段三：LLMOps应用平台可视化+安全性保障+性能优化+开放API

第7周 Prompt引擎模块开发-可视化编排

本周主要深入学习LangChain的提示模板组件、完成对提示模板的设计、历史提示模板的管理、零样本/低样本下如何写出高质量的Prompt，并为项目添加AI提示词优化接口。

课程安排：

1、掌握零样本/低样本下如何写出高质量的Prompt；

2、学习OpenAI官方分享的Prompt编写最佳实践；

3、掌握LangChain提示组件，支持让用户自定义编排应用提示；

4、提示模板历史版本开发，便于企业管理历史提示资产；

5、掌握让AI优化提示的相关技巧，减少前端编排难度，并对接接口；

6、前后端接口功能对接及测试、完善；

第8周 响应模块开发与升级-提升聊天机器人响应

本周对比流式与非流式响应，探讨其在应用中的适用性。在Flask中，实现LangChain流式响应；前端fetch获取流式数据，模拟ChatGPT打字效果。优化流式响应-计算和中断功能，提升用户体验。

课程安排：

1、了解流式响应与非流式响应的基础知识与应用场景；

2、为LLMOps平台聊天机器人添加流式响应支持；

3、后端利用队列+协程实现流式数据传输技巧；

4、前端使用fetch实现获取流式事件数据，并实现打字机效果；

5、流式响应下Token计数与中断流式响应功能的实现；

6、前后端接口功能对接及测试、完善；

第9周 授权认证模块开发-保证应用使用安全

本周主要学习为LLMOps平台添加授权认证功能，主要介绍JWT授权认证原理、第三方授权认证原理，涵盖账号密码授权、第三方授权、接口授权认证等服务，提升平台的安全性。

课程安排：

1、JWT授权认证原理及介绍；

2、Github授权认证登录原理及介绍；

3、掌握Flask-Login插件实现后端授权认证技巧，守护接口安全；

4、学会前端封装fetch工具实现授权接口携带令牌信息；

5、掌握前端路由守卫的使用，守护页面安全；

6、前后端接口功能对接及测试、完善；

第10周 审核模块开发-确保企业AI生成合规内容

本周主要学习OpenAI的大语言模型审核功能、LangChain审核链、自定义审核功能的开发架构及思路，在LLMOps中集成审核功能，确保企业AI生成合规内容。

课程安排：

1、了解OpenAI的大语言模型内置审核功能；

2、掌握LangChain宪法链的原理及使用，并在项目中集成；

3、掌握自定义审核功能的开发架构及思路，实现项目基于关键词审核；

4、掌握在流式输出模式下，实现关键词审核功能；

5、掌握流式输出模式下前端实现输出审核替换的技巧；

6、前后端接口功能对接及测试、完善；

第11周 开放API模块-搭建与其他应用连接的桥梁

本周主要学习如何为LLMOps平台开发设计开放接口功能，实现对开放接口的秘钥生成及校验、接口频率限制、利用开放接口实现与其他应用的连接。

课程安排：

1、学习开放API模块的通用架构及设计思路；

2、开放API常见的授权策略及秘钥生成，确保接口安全；

3、开放API使用频率限制设计思路及实现，确保接口不被滥用；

4、为LLMOps项目集成开放API功能，实现与其他应用连接；

5、前后端接口功能对接及测试、完善；

阶段四：【LLMOps扩展】实现通用型+支持多LLM接入的AI应用

第12周 LLMOps多应用及工作流模块

本周将基础的单应用扩展成多应用，并实现工作流组件，包括：多应用模块设计、工作流模块设计、LangGraph实现图应用、前端Vue-Flow组件使用、工作流转LLM工具设计思路、关联工作流登技巧。

课程安排：

1、学习LLMOps多应用的架构与设计思路；

2、多应用数据库的配置调整与设计；

3、掌握在LangChain中将Agent转换成Workflow的技巧，实现流程可观测；

4、掌握LangGraph基于YAML配置Workflow的技巧；

5、实现LLMOps平台的Workflow节点与边功能；

6、学会Workflow转LLM工具设计思路，并关联LLM应用，实现可视化编排工作流工具；

7、掌握Vue-Flow组件，前端多应用模块及工作流模块UI页面升级与测试；

第13周 LLMOps集成多LLM模型

本周学习LangChain抽离LLM模型，对齐多模型接口，对齐多LLM模型的接口（带工具回调的大语言模型），支持让AI应用无缝切换到远程或本地LLM，并简单介绍HuggingFace平台的使用。

课程安排：

1、了解LangChain中的LLM与ChatModel的差异；

2、统一管理多个LLM模型，并实现使用YAML进行模型配置；

3、实现LLMOps项目中AI应用与工作流的多LLM功能集成；

4、简单学会上手使用HuggingFace平台并查找大语言模型；

6、前后端接口功能对接及测试、完善；

阶段五：【 LLMOps平台调优部署】前端调优及生产环境调优部署

第14周上 LLMOps统计模块开发-呈现使用情况

本周学习LLM模型的Token统计与费用计算，为LLMOps添加数据统计分析接口，前端用ECharts展示数据，呈现应用的使用情况。并配置使用预警功能，避免接口被盗刷，提升应用安全。

课程安排：

1、掌握流式传输和工作流模式下Token的统计与费用计算思路设计与实现；

2、实现LLMOps项目统计可视化API接口设计；

3、前端对接ECharts图表组件实现数据的展示；

4、掌握接口消费预警功能的设计与实现，超过标准时进行邮箱预警，确保接口安全；

5、前后端接口功能对接及测试、完善；

第14周下 LLMOps前端项目优化与配置、部署

本周学习LLMOps前端项目的优化、配置与部署，涵盖：基础/高级组件封装、配置与代码分离、TailwindCSS页面公共样式抽离、骨架屏与加载状态添加、Vue.js项目优化、构建与部署等。

课程安排：

1、LLMOps前端项目基础/高级组件封装，提升前端代码可复用性；

2、TailwindCSS页面公共样式抽离，提升代码可维护性；

3、掌握API接口的封装与优化，并增加超时、重试、权限校验等功能；

4、学习为Vue.js页面添加骨架屏与加载动画，提升用户体验；

5、掌握Vue.js项目常见的优化技巧、不同的部署方案；

第15周上 LLMOPs后端项目优化与配置

本周学习LLMOps后端项目的优化与配置，涵盖：添加重试机制提升模型运行成功率、添加Cache提升重复请求性能、使用小参数LLM处理不同任务提升项目性能并降低成本、封装LLMOps项目相似性代码等。

课程安排：

1、掌握LangChain的重试机制，提升小参数LLM的运行成功率；

2、为LLMOps项目添加Cache提升重复请求性能；

3、学习使用多个小参数LLM处理不同任务，提升LLMOps性能并降低成本；

4、封装相似性代码，统一输出响应接口，提升项目可维护性；

第15周下 LLMOps生产环境部署与优化

学习LLMOps在生产环境中的部署与优化，涵盖：本地向量数据库部署、OpenAI接口额度、Azure秘钥申请、gunicorn多进程配置、Nginx限流、Dockerfile容器及云环境部署等。

课程安排：

1、掌握部署本地向量数据库，确保企业数据安全；

2、学习OpenAI接口额度+并发提升的申请流程；

3、学习Azure企业级OpenAI秘钥申请流程，合规使用GPT模型；

4、掌握gunicorn相关配置，并使用多进程提升项目性能；

5、掌握Nginx配置编写，实现接口限流及防盗刷；

6、掌握Dockerfile配置文件编写，实现Docker容器部署；

7、学习国内两大云平台线上部署：阿里云+腾讯云；

阶段六：LLMOps应用平台多模态插件+第三方应用集成

第16周 多模态插件及开放API与三方应用集成

本周学习LLMOps对接社交媒体，集成多模态插件，涵盖飞书群机器人、微信公众号、与现有应用对接架构设计与思路、Whisper语言识别模型的使用、TTS语音合成、DALLE文生图模型等内容。

课程安排：

1、掌握开放API与飞书群机器人对接；

2、实现LLMOps应用集成到微信公众号，并解决流式传输响应长的问题；

3、掌握开放API与现有应用的对接设计与实现；

4、掌握文本LLM支持语音输出、图片输出的架构设计与实现；

5、学习Whisper语音识别模型，并对接到聊天窗口；

6、学习TTS语音合成模型，实现音色/音调调节，并对接到聊天窗口；

7、学习elevenLabs语言合并工具，30s复刻任何人的声音，实现企业内部低成本音频解决方案；

8、学习DALLE文生图功能并封装插件，对接LLM应用；

9、前后端接口功能对接及测试、完善；

阶段七：【LLMOps应用平台企业级商用】火热五大商业级AI应用实战

第17周上 构建智能客服系统-实现24h无人轮值客服

本周主要学习利用LLMOps应用平台编排构建智能客服系统，实现24h无人轮值客服，涵盖知识点：客服知识库语料、应用Prompt编写、审核插件使用、小程序电商中间件接入、自营电商中间件快速接入等。

课程安排：

1、电商客服系统知识库准备与Prompt编排；

2、审核插件的调用与测试，实现安全输出；

3、编写放平台对接小程序、自营电商网站；

4、前后端接口功能对接及测试、完善；

第17周下 构建口语学习助手-低成本拥有全天候助教

本周主要学习利用LLMOps应用平台构建口语学习助手，涵盖：应用架构及设计思路学习、工作流编排与测试、语料准别、语音接口测试联调、AI流式响应导致超时的公众号解决方案等。

课程安排：

1、学习口语学习助手系统演示及设计思路；

2、掌握口语助手知识库准备与Prompt编排；

3、学习复杂任务如何拆解成工作流并进行编排；

4、口语助手中间件编写，实现AI语言对话联调；

5、掌握流式响应转完整响应输出的解决方案；

6、掌握流式响应导致超时的公众号解决方案；

7、前后端接口功能对接及测试、完善；

第18周上 快速构建图片转HTML前端智能工具

本周主要学习利用LLMOps构建图片转HTML前端智能工具，涵盖知识点：GPT-4v/4o多模态模型的介绍与使用、应用Prompt编排、图片转HTML智能工具编写、基于开放API二次开发等。

课程安排：

1、GPT-4O/4V模型的介绍与基础使用；

2、图片转HTML智能工具Prompt编写；

3、编写实现开放API对接图片转HTML智能工具；

4、前端对接开放API进行快速二次开发，满足企业自定义AI需求；

5、前后端接口功能对接及测试、完善；

第18周下 建虚拟数字人-批量生成口播视频/直播推流

本周用LLMOps创建虚拟数字人应用，掌握开放API扩展开发应用的技巧，虚拟数字人功能开发、SadTalker开源数字人解决方案、本地数字人模型部署与联调、直播实时评论采集抓包、OBS推流对接等功能。

课程安排：

1、学习虚拟数字人应用架构的设计与实现；

2、了解常用数字人模型，涵盖Avatar、SadTalker等模型；

3、了解本地数字人模型的部署与联调；

4、实现虚拟数字人应用编排与开放接口对接；

5、学习直播实时评论采集/弹幕信息采集爬虫；

6、学习OBS联调应用实现视频推流；

7、前后端接口功能对接及测试、完善；

第19周 快速构建PPT自动生成工具

本周学习LLMOps实现自然语言转PPT的设计思路与实现，涵盖：python-pptx包、LangChain规范化输出技巧、PPT生成插件的编写、编排LanguageToPPT应用、中间件编写等功能。

课程安排：

1、掌握自然语言转PPT功能的架构设计与思路；

2、掌握将复杂AI应用拆解成小任务的流程；

3、掌握python-pptx包的使用，并编排应用Prompt；

4、学习将python-pptx与DALLE集成封装为LLMOps插件；

5、编排文本转PPT应用完成前后端接口功能对接及测试、完善；

阶段八：课程总结与LLM大语言模型进阶

第20周上 课程回顾与总结

本周总结回顾整门课程，并学习LLM扩展知识，涵盖：开发问题总览、LangChain优缺点、技术社区推荐、其他LLM开发框架、AI应用开发及未来发展方向、LangChain源码解析、LLM评测等技能。

课程安排：

1、总结在项目开发中LangChain开发问题总览、探讨LangChain优缺点；

2、了解一些高质量的LLM技术学习社区、其他LLM开发框架及AI应用发展方向；

3、掌握国内外常见的LLM大模型平台的使用与LLM评测/排行榜；

4、如何寻找高质量的Prompt工程库及推荐；

5、LangChain源码解析及后续发展规划；

6、后续职业发展方向及学习方向分享与推荐；

7、整门课程总结；

第20周下 LLM大语言模型的预训练/微调与数据投喂

本周主要学习LLM应用开发之外的相关知识，涵盖预训练、主流微调模型、本地部署大模型、HuggingFace大模型开源社区的使用、企业在不同阶段下的选择、GPT模型的微调等。

课程安排：

1、掌握模型预训练、微调与投喂之间的差异，并在不同的场景进行使用；

2、掌握GPT模型的微调与使用，让模型更符合企业业务需求；

3、掌握主流开源大模型的本地预训练、部署等技能，让企业自行管理自有数据；

4、掌握主流大模型的微调方法；

5、学习业产品在不同阶段下预训练、微调与投喂地选择差异与结合；