夸克网盘
5积分
这是一门专注于医疗AI助手开发的实战课程，基于LangChain4J框架整合多种大语言模型(如DeepSeek、Ollama、阿里百炼等)，系统讲解了从基础到企业级应用的完整开发流程。 课程首先介绍LangChain4J核心概念，包括AIService、聊天记忆(Chat Memory)和提示词工程(Prompt)，然后详细讲解如何接入不同大模型(通义千问、DeepSeek等)以及本地部署(Ollama)和云平台(阿里百炼)的使用方法。 在高级功能部分，重点讲解了Function Calling(工具调用)、RAG(检索增强生成)技术实现(包括文档加载、分割、向量化)以及Pinecone向量存储的应用。 最后通过"硅谷小智"医疗助手项目实战，完整演示了智能对话、预约管理、知识检索等功能的开发过程，并集成流式输出和前端交互，帮助学员掌握企业级AI应用的开发技能。 ├── 课件 ├── 视频 ├── 资料 ├── 资料.exe
Java企业级大模型应用项目：小智医疗（LangChain4J实战）12.19GB
课件3.94MB
images1.61MB
1-阿里云百炼免费体验.png580.43KB3-开通服务.png129.4KB4-确认开通.png166.39KBcrud-annotated-document.png20.42KBimage-20250401193333467.png13.14KBimage-20250402000205052.png25.67KBimage-20250411220815183.png35.89KBimage-20250411223705047.png47.94KBimage-20250411231816423.png36.52KBimage-20250411234653550.png47.86KBimage-20250411235025737.png6.27KBimage-20250411235448310.png4.4KBimage-20250412000639815.png133.03KBimage-20250412003645783.png10.7KBimage-20250418122620225.png85.88KBimage-20250418154427237.png57.31KBimage-20250420170954862.png70.68KBrag-retrieval-f525d2937abc08fed5cec36a7f08a4c3.png103.15KB
v2-55c2f61aceb86313711d50a5e6e9f8fd_1440w.jpg21.8KBv2-b88f750dc797da4f9cc45da0fdd482dc_1440w.jpg29.37KBv2-db52b20a89a5dc3bde66da11691a7438_1440w.jpg21.72KB
尚硅谷-Java+大模型应用-硅谷小智（医疗版）.pdf2.33MB视频7.8GB
01-教程简介.mp442.5MB02-LangChain4j入门-简介.mp461.86MB03-LangChain4j入门-应用程序整合大语言模型的常见场景.mp465.68MB04-LangChain4j入门-创建SpringBoot应用程序.mp4117.03MB05-LangChain4j入门-接入大模型.mp4145.53MB06-LangChain4j入门-使用Spring Boot Starters.mp4254.99MB07-接入其他大模型-都有哪些大模型可进行接入.mp465.78MB08-接入其他大模型-DeepSeek.mp4269.08MB09-接入其他大模型-运行时无法获取apiKey的原因.mp48.72MB10-接入其他大模型-ollama本地部署.mp492.5MB11-接入其他大模型-ollama.mp4180.85MB12-接入其他大模型-阿里百炼介绍.mp441.63MB13-接入其他大模型-阿里百炼通义千问.mp4199MB14-接入其他大模型-阿里百炼通义万象.mp4109.27MB15-接入其他大模型-阿里百炼deepseek.mp468.83MB16-AIService-概念.mp437.48MB17-AIService-创建AIService.mp4103.34MB18-AIService-使用@AiService.mp4110.04MB19-AIService-工作原理.mp4100.8MB20-Chat memory-聊天记忆的简单实现.mp4129.34MB21-Chat memory-使用ChatMemory实现聊天记忆.mp4114.2MB22-Chat memory-使用AIService实现聊天记忆.mp4125.51MB23-Chat memory-隔离聊天记忆.mp4146.07MB24-Chat memory-实现原理.mp4173.11MB25-Chat memory-替换聊天记忆的实现.mp4104.4MB26-Persistence-存储介质的选择.mp4100.93MB27-Persistence-MongoDB简介.mp446.96MB28-Persistence-MongoDB的安装和基本操作.mp4236.9MB29-Persistence-SpringBoot整合MongoDB.mp4441.48MB30-Persistence-实现.mp4218.12MB31-Persistence-测试.mp4117.61MB32-Prompt-系统提示词.mp4243.19MB33-Prompt-在提示词中添加当前日期.mp415.14MB34-Prompt-从资源中加载提示模板.mp446.42MB35-Prompt-用户提示词.mp495.62MB36-Prompt-使用@v参数.mp439.06MB37-Prompt-多个参数的情况.mp470.5MB38-Prompt-@SystemMessage和@V.mp499MB39-项目实战-创建硅谷小智聊天助手.mp4263.48MB40-项目实战-测试硅谷小智聊天助手.mp4164MB41-Function Calling-测试大语言模型的缺陷.mp460.01MB42-Function Calling-工具的定义和使用.mp4111.64MB43-Function Calling-@Tool和@P.mp460.76MB44-Function Calling-@ToolMemoryId.mp439.24MB45-项目实战-实现预约相关业务逻辑.mp4155.68MB46-项目实战-测试业务方法.mp467.66MB47-项目实战-创建和配置Tools.mp4140.57MB48-项目实战-测试硅谷小智的预约功能.mp4145.36MB49-RAG-RAG和微调大模型.mp4169.71MB50-RAG-向量和维度.mp473.26MB51-RAG-相似度和相似度测量.mp434.88MB52-RAG-索引阶段和检索阶段.mp494.02MB53-RAG-文档加载器.mp4257.14MB54-RAG-文档解析器.mp460.93MB55-RAG-文档分割器.mp494.53MB56-向量转换和向量存储.mp4300.47MB57-自定义文档分割器.mp437.61MB58-token和token计算.mp4150.8MB59-项目实战-在硅谷小智中实现RAG.mp4224.1MB60-embedding-引入通用文本向量模型.mp471.29MB61-embedding-Pinecone的使用.mp4148.28MB62-embedding-向Pinecone中存入数据.mp486.83MB63-embedding-相似度匹配.mp476.8MB64-项目实战-在硅谷小智中集成向量大模型和Pinecone向量存储.mp488.33MB65-项目实战-流式输出.mp4125.05MB66-项目实战-运行前端工程.mp444.13MB资料2.2GB
MySQL数据库管理软件（服务器端程序）331.26MB
mysql-installer-community-8.0.34.0.msi331.26MB前端代码47.59KB
xiaozhi-ui.zip47.59KBSQLyog客户端社区版5.92MB
SQLyog-13.1.7-0.x64Community.exe5.92MBknowledge.zip162.43KBmongodb-compass-1.39.3-win32-x64.exe122.89MBmongodb-windows-x86_64-8.0.6-signed.msi718.85MBmongosh-2.5.0-win32-x64.zip43.13MBnode-v18.17.1-x64.msi30.32MBOllamaSetup.exe1001.01MB
文生图.txt2.26KB资料.exe2.19GB