使用 Python 的全端生成式和代理式 AI

現代人工智慧實踐指南：標記化、代理、RAG、向量資料庫以及部署可擴展的 AI 應用程式。完整的 AI 課程

從這 32.5 小時的課程，你會學到

從頭編寫 Python 程式，使用 Git 進行版本控制，並使用 Docker 進行部署。
使用 Pydantic 處理 Python 應用程式中的結構化資料和驗證。
了解大型語言模型 (LLM) 的工作原理：標記化、嵌入、注意力機制和轉換器。
使用 Python 呼叫並整合 OpenAI 和 Gemini 的 API。
設計有效的提示：零樣本、單樣本、少樣本、思路鏈、基於角色的提示和結構化提示。
使用 Ollama、Hugging Face 和 Docker 在本地運行和部署模型。
使用 LangChain 和向量資料庫實現檢索增強生成 (RAG) 流程。
使用 LangGraph 設計具有節點、邊和檢查點的狀態 AI 系統。
了解模型上下文協定 (Model Context Protocol，MCP) 並使用 Python 建立 MCP 伺服器。

要求

無需任何 AI 知識 – 我們從基礎開始。
一台可連接網路的電腦（Windows、macOS 或 Linux）。
具備基本的程式設計知識會有所幫助，但並非強制性要求（本課程涵蓋 Python 從零開始）。

課程說明

歡迎來到完整的 AI 與大型語言模型 (LLM) 工程訓練營——一站學會所有課程，幫助您從零開始學習 Python、Git、Docker、Pydantic、LLM、Agents、RAG、LangChain、LangGraph 和多模態人工智慧 (Multi-Modal AI)。

這不僅僅是一門理論課程。學習結束後，您將能夠編寫、部署和擴展使用與 ChatGPT、Gemini 和 Claude 相同的技術的真實 AI 應用程式。

您將學到的內容

基礎知識

從零開始學習 Python 程式設計—語法、資料類型、物件導向程式設計 (OOP) 和進階功能。
Git 和 GitHub 基礎知識—分支、合併、協作和專業工作流程。
Docker－容器化、映像、磁碟區以及像專業人士一樣部署應用程式。
Pydantic－適用於現代 Python 應用程式的型別安全、結構化資料處理。

人工智慧基礎知識

什麼是 LLM，以及 GPT 的底層運作原理。
簡述分詞、嵌入、注意力機制和 Transformer。
理解多頭注意力機制、位置編碼以及「注意力就是你所需要的一切」論文。

提示工程 ( Prompt Engineering )

掌握提示策略：零次提示、一次提示、幾個提示、想法鍊式提示、基於角色的提示。
使用 Alpaca、ChatML 和 LLaMA-2 格式。
使用 Pydantic 設計結構化輸出的提示。

運行並使用 LLMs

使用 Python 設定 OpenAI 和 Gemini API。
使用 Ollama + Docker 在本地運行模型。
使用 Hugging Face 型號和 INSTRUCT 調優模型。
將 LLM 連接到 FastAPI 端點。

Agents & RAG 系統

從零開始建立您的第一個 AI 代理程式。
使用 Claude 編寫基於 CLI 的代理程式。
完整的 RAG pipeline — 索引( indexing) 、檢索( retrieval )和應答( answering )。
LangChain：文件載入器、分割器、檢索器和向量儲存。
使用 Redis/Valkey 隊列進行非同步處理的高級 RAG。
使用 Worker 和 FastAPI 擴充 RAG。

LangGraph & 記憶體

LangGraph 簡介－狀態、節點、邊和基於圖的人工智慧。
使用 MongoDB 新增檢查點。
記憶系統：短期記憶、長期記憶、情境記憶和語意記憶。
使用 Mem0 和 Vector DB 實作記憶層。
使用 Neo4j 和 Cypher 查詢實現圖記憶體。

對話式和多模式人工智慧

建構基於語音的對話代理。
整合語音轉文字 (STT) 和文字轉語音 (TTS)。
編寫您自己的 AI 語音助理（Cursor IDE 克隆版）。
多模態 LLM：同時處理圖像和文字。

Model Context Protocol (MCP)

什麼是 MCP？它為何對 AI 應用至關重要？
MCP 傳輸：STDIO 和 SSE。
使用 Python 編寫 MCP 伺服器程式碼。

你將建立的實際專案

從零開始的分詞器。
本地 Ollama + FastAPI 人工智慧應用。
基於 Python CLI 的程式設計助理。
使用 LangChain 和 Vector DB 記錄 RAG pipeline。
使用 Redis 和 FastAPI 實作基於佇列的可擴充 RAG 系統。
人工智慧對話語音代理 (STT + GPT + TTS)。
基於 Neo4j 的圖記憶體代理。
基於 MCP 的人工智慧伺服器。

本課程為誰設計？

Beginners 想要一門完整的 Python + AI 課程。
Developers 他們希望使用 LLM、RAG 和 LangChain 來建立現實世界的 AI 應用程式。
Data Engineers/Backend Developers 希望將 AI 整合到現有堆疊中。
Students & Professionals 旨在提升現代 AI 工程技能。

為什麼要參加這門課？

本課程將理論、程式設計和部署融為一體。你將從 Python 和 Git 的基礎知識入手，最終將能夠使用 LangChain、LangGraph、Ollama、Hugging Face 等技術編寫尖端的 AI 應用程式。

與其他課程不同，本課程的講解並不限於「呼叫 API」。你將深入了解系統設計、佇列、擴展、記憶體以及基於圖驅動的 AI 代理程式——成為一名出色的 AI 工程師所需的一切。

完成本課程後，你不僅能夠理解 AI，還能真正建構 AI。

目標受眾

想要逐步學習 AI、Python 和現代開發工具的初學者。
想要學習如何將 LLM、RAG 和代理程式整合到實際應用中的開發者。
想要提升 AI 系統技能的資料工程師和後端開發者。
想要憑藉尖端 AI 工程知識在就業市場中脫穎而出的學生和專業人士。

講師簡介

Hitesh Choudhary 一位熱愛教授科技知識的老師

我叫 Hitesh Choudhary，一位退休的企業專業人士，如今已順利轉型成為全職 YouTuber。我曾是 LCO（已被收購）的創辦人，並曾擔任 iNeuron 的首席技術長和 PW 的高級總監，在軟體和公司建設方面擁有豐富的經驗。我在科技界的探索經驗賦予了我獨特的見解和專業知識，我熱衷於與大家分享。

我在 YouTube 上管理著兩個蓬勃發展的頻道 – 一個擁有 100 萬訂閱者，另一個擁有 30 萬訂閱者 – 這展現了我與廣大受眾建立聯繫並進行教育的能力。我曾經遊歷 39 個國家，這豐富了我的知識，並提供了全球視野，我將這些視角融入我的內容中。

我擅長將最難理解的話題講得簡單易懂，這項技能為我贏得了一群忠實的粉絲。我致力於教育和激勵全球多元化的受眾，使複雜的主題變得簡單易懂且引人入勝。加入我的 Udemy，我將利用我豐富的知識、實務經驗和獨特的教學風格來幫助您掌握新技能並提升您的職業生涯。

Piyush Garg 我建構的是開發者，而不僅僅是應用程式

我叫 Piyush Garg，是一位全端開發者、教育工作者和內容創作者，致力於幫助開發者提升職涯發展。

我在 YouTube 上擁有超過 275,000 名訂閱者，在領英上擁有超過 30,000 名粉絲，在 X（原 Twitter）上擁有超過 20,000 名粉絲。我透過以專案為基礎的學習方式教授實際的程式設計技能，建立了一個強大的技術社群。我使用過 Node.js、React、Docker、AWS、Redis、WebRTC 等技術棧，並將這些經驗轉化為具有影響力、涵蓋從初級到高級的實用且與行業相關的內容。

我的教學風格注重實踐，節奏明快，專注於建構真實的專案，而不僅僅是理論。無論您是剛起步，還是希望深化技能，我的目標都是讓您充滿信心，為就業做好準備。

加入我的 Udemy，一起建立強大的應用程式，理解複雜的系統，並在實踐中學習。