大模型（LLMs）应用开发快速入门指南

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：

Python 环境管理 Miniconda
Python 交互式开发环境 Jupyter Lab
大模型应用开发框架 LangChain
OpenAI Python SDK

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 或 ~/.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。

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

ZeroZ-lab/openai-quickstart