> Entering new AgentExecutor chain...
Thought: Hmm, I be not sure of the answer to that one.
Action: Search
Action Input: "Canada population 2023"
Observation:The current population of Canada is 38,681,797 as of Monday, May 8, 2023, based on Worldometer elaboration of the latest United Nations data.
Ahoy, that be the answer I was lookin' for!
Final Answer: The population of Canada as of 2023 be 38,681,797, Arg!
> Finished chain.
'The population of Canada as of 2023 be 38,681,797, Arg!'
以上日志展示了一个AgentExecutor的实行过程。首先，代码进入了一个新的 AgentExecutor 链，LLM对用户的查询作出了一个思考，但是不愿定答案。然后，代理实行了一个搜索操作，查询输入为 "Canada population 2023"。代理不雅观察到了一个输出，即当前的加拿大人口数量，“根据Worldometer对联合国最新数据的剖析，截至2023年5月8日星期一，加拿大目前的人口为38,681,797人”，然后确定这便是用户查询的答案。因此，代理输出了终极的答案，即 "The population of Canada as of 2023 be 38,681,797, Arg!"，代码结束了 AgentExecutor 链的实行。
用户连续问，“How many in 2022?”（“2022年有多少？”），示例代码如下：
agent_executor.run("How many in 2022?")以上代码的运行结果为：
> Entering new AgentExecutor chain...
Thought: Hmm, I'm not sure what this question means. I better search for more information.
Action: Search
Action Input: "2022 events"
Observation:8. Humanitarian Crises Deepen · 7. Latin America Moves Left. · 6. Iranians Protest. · 5. COVID Eases. · 4. Inflation Returns. · 3. Climate Change ...
None of these seem to answer the question. I better try a different search.
Action: Search
Action Input: "What is happening in 2022?"
Observation:8. Humanitarian Crises Deepen · 7. Latin America Moves Left. · 6. Iranians Protest. · 5. COVID Eases. · 4. Inflation Returns. · 3. Climate Change ...
Blast it all, still no answer! I need to be more specific.
Action: Search
Action Input: "What is happening in the world in 2022?"
Observation:8. Humanitarian Crises Deepen · 7. Latin America Moves Left. · 6. Iranians Protest. · 5. COVID Eases. · 4. Inflation Returns. · 3. Climate Change ...
Ahoy, I finally found the answer I was looking for!
Final Answer: Arg, I still don't know what ye be asking, but if ye be asking what be happening in the world in 2022, then it be a year of humanitarian crises, Latin America moving left, Iranians protesting, COVID easing, inflation returning, and climate change.
> Finished chain.
"Arg, I still don't know what ye be asking, but if ye be asking what be happening in the world in 2022, then it be a year of humanitarian crises, Latin America moving left, Iranians protesting, COVID easing, inflation returning, and climate change."
以上日志展示了一个AgentExecutor的实行过程。首先，代码进入了一个新的 AgentExecutor 链，LLM 对用户的查询进行了思考，但是不愿定答案。然后，代理实行了一个搜索操作，查询输入为 "2022 events"，但是它没有找到任何有用的信息，以是代理又实行了一个搜索操作，查询输入为 "What is happening in 2022?"，代理不雅观察到了相同的输出，但是仍旧没有找到答案。因此，代理实行了一个更详细的搜索操作，查询输入为 "What is happening in the world in 2022?"，代理找到了答案，并输出了终极的答案，即 “我仍旧不知道你在问什么，但如果你在问2022年天下上发生了什么，那么这将是人性主义危急、拉丁美洲左倾、伊朗人抗议、新冠疫情缓解、通货膨胀卷土重来和气候变革的一年”，代码结束了 AgentExecutor 链的实行。
课程名称：企业级ChatGPT开拓入门实战直播21课
讲师先容
现任职于硅谷一家对话机器人CTO，专精于Conversational AI
在美国曾先后事情于硅谷最顶级的机器学习和人工智能实验室
CTO、精彩AI工程师、首席机器学习工程师
美国一家Talents Sourcing公司的Founder及CTO
21本人工智能及数据科学干系书本作者。
NLP&ChatGPT&LLMs课程备注
1、本课程为技能型知识付费直播课，须要进行源码交付及一年课程技能答疑辅导，请添加Gavin导师微信：NLP_Matrix_Space得到干系的视频、代码、资料等。
2、课程面向Developers及Researchers，学习课程须要有基本的Python代码编程履历。课程针对没有根本的学员录制了Python及Transformer免费赠予的根本课，以帮助零根本学员平滑过渡到正式课程的学习。
3、课程深入、系统、利用的讲解Transformers、ChatGPT、LLMs等NLP生产级代码实战及科学研究。核心环绕模型、数据、工具三大维度展开。
4、购买本课后，课件及干系的资料、源码等，仅用于个人学习和技能互换，不能作为其他和商业用场，为了保护知识产权，购买后不退款不改换课程。
Throughout this course, we firmly believe that the true power and distinctiveness of language model applications lie in their ability to connect with external data sources and actively interact with their environments. By incorporating data-awareness, we can enhance the depth and breadth of information available to the language models, enabling them to deliver more accurate and insightful responses. Additionally, by embracing an agentic approach, we empower language models to engage and respond dynamically to their surroundings, creating richer user experiences. Further, the course will help learners to explore the top best papers and their implementations in NLP&ChatGPT&LLMs.
Join us on this exciting journey as we delve into various practical applications that bring language models to life. By the end of this course, you will have gained valuable insights and skills to develop cutting-edge applications that are not only powered by language models but also possess the qualities of being data-aware and agentic. Get ready to unlock the true potential of language models in the realm of application development!
面向人群
1，打算机干系专业的本科/硕士/博士生
2，Transformer、ChatGPT、LLMs技能爱好者
3，智能对话机器人爱好者
4，想从推举系统、知识图谱转行到NLP的职员
5，已经有NLP从业履历想升级技能体系的开拓者
6，企业中NLP科研职员
7，想在短期内系统全面深入的节制NLP的IT职员
备注：课程针对没有根本的学员录制了Python及Transformer根本课。
课程资料及答疑
购买后联系授课导师Gavin得到代码、资料及完全的课程视频（包含额外的根据学员学习反馈而补充的视频及助教录制的视频）。
本课程每月一期滚动开课，课程供应1个月的技能答疑做事，Gavin老师及助教团队卖力所有课程技能问题的答疑做事。
课程收成：
1，基于ChatGPT的端到端语音谈天机器人项目实战，包括ChatGPT API后台开拓、FastAPI构建语音谈天机器人后端实战、React构建语音谈天机器人前端实战等。
2，企业级ChatGPT开拓的三大核心底细及案例实战，包括ChatGPT代码案例演示、企业级ChatGPT开拓的核心阐发以及Models、Tools、Data在企业级ChatGPT开拓中的浸染及源码剖析。
3，ChatGPT底层架构Transformer技能及源码实现，包括Language Model底层的数学事理、Transformer架构设计、贝叶斯Bayesian Transformer数学推导、智能对话机器人中的Transformer底细等。
4，GPT底细机制及源码实现逐行解析，包括措辞模型的运行机制、GPT的可视化与Masking等事情机制、Decoder-Only模式内部运行机制以及数据在GPT模型中的流动生命周期等。
5，GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5底细解析，对GPT-2源码进行解析，磋商GPT-3，GPT-3.5、GPT-4和GPT-5的底细机制。
6，ChatGPT Plugins底细、源码及案例实战，先容ChatGPT Plugins的事情事理，并进行源码解析和实战演示。
7，ChatGPT Prompting开拓实战，包括针对迭代过程、谈天机器人和客户做事的Prompting开拓实战。
8，CoT及ReAct解密与实战，深入阐发Chain of Thought Reasoning、Chaining Prompts、ReAct技能事理及框架，并进行实战演示。
9，Prompt实质解密及Evaluation实战与源码解析，探索Prompt的实质解密、以客户做事案例为例进行Evaluation实战，并对Evaluation for Agents和Evaluation for QA的源码进行解析。
10，最火爆的大模型框架LangChain七大核心及案例阐发，包括Models、Prompts、Memory、Indexes、Callbacks等核心内容及案例阐发。
11，课程统共3万行NLP/ChatGPT/LLMs项目源码逐行视频讲解。
第1课 基于ChatGPT的端到端语音谈天机器人项目实战
1， ChatGPT API后台开拓实战
2，利用FastAPI构建语音谈天机器人后端实战
3，利用React构建语音谈天机器人前段实战
4，ChatGPT语音谈天机器人项目测试
5，ChatGPT语音谈天机器人改进
第2课 企业级ChatGPT开拓的三大核心底细及案例实战
1，ChatGPT代码案例演示及代码解读
2，企业级ChatGPT开拓的三大核心阐发
3，Models在企业级ChatGPT开拓开拓中的根本浸染及源码剖析
4，Tools在企业级ChatGPT开拓开拓中支撑浸染及源码剖析
5，Data在企业级ChatGPT开拓开拓中核心浸染及源码剖析
第3课 ChatGPT底层架构Transformer技能及源码实现
1，Language Model底层的数学事理之最大似然估计MLE及最大后验概率MAP内部机制详解
2，图解Transformer精髓之架构设计、数据演习时候全生命周期、数据在推理中的全生命周期、矩阵运算、多头把稳力机制可视化等
3，贝叶斯Bayesian Transformer数学推导论证过程全生命周期详解及底层神经网络物理机制阐发
4，以智能对话机器人为例阐述Transformer的自编码autoencoding和自回归autoregressive措辞模型底细机制
5，为何GPT-4才是NLP的真正重大打破？
第4课 GPT底细机制及源码实现逐行解析
1，措辞模型的运行机制、架构内部及数学实现回顾
2，GPT可视化、Masking等事情机制解析
3，GPT中的Decoder-Only模式内部运行机制解析
4，数据在GPT模型中的流动生命周期Input Encoding、Self-Attention、及Model Output详解
5，300行源码实现GPT逐行解析
第5课 GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5底细解析
1，GPT-2源码实现逐行解析
2，GPT-3底细机制可视化解析
3，基于Openai GPT-3对话机器人案例源码逐行解析
4，基于gpt-3.5-turbo, whisper-1 and tkinter对话机器人源码逐行解析
5，GPT-4及GPT-5底细解析
第6课 ChatGPT Plugins底细、源码及案例实战
1，ChatGPT Plugins的事情事理
2，ChatGPT Retrieval Plugin源码解析之Models
3，ChatGPT Retrieval Plugin源码解析之Servers
4，ChatGPT Retrieval Plugin源码解析之Services及local server
5，ChatGPT Plugins案例开拓实战
第7课 ChatGPT Prompting开拓实战
1，Prompting for iterative process 开拓实战
2，Prompting for chatbot开拓实战
3，Prompting for customer service开拓实战
第8课 CoT及ReAct解密与实战
1，Chain of Thought Reasoning阐发
2，Chaining Prompts实战
3，ReAct技能事理
4，ReAct框架源码
5，ReAct案例实战
第9课 Prompt实质解密及Evaluation实战与源码解析
1，Prompt实质解密
2，Customer Service案例
3，Customer Service案例Evaluation实战
4，Evaluation for Agents源码解析
5，Evaluation for QA源码解析
第10课 最火爆的大模型框架LangChain七大核心及案例阐发上
1，Models解析及案例阐发
2，Prompts解析及案例阐发
3，Memory解析及案例阐发
4，Indexes解析及案例阐发
5，Callbacks解析及案例阐发
第11课 最火爆的大模型框架LangChain七大核心及案例阐发下
1，Chains解析及案例阐发
2，Agents解析及案例阐发
3，LangChain对话机器人综合案例
第12课 LangChain Agents深入阐发及源码解密上
1，Agent事情事理详解
2，MRKL解析及源码
3，ReAct解析及源码
第13课 LangChain Agents深入阐发及源码解密下
1，Agent Tools解析及源码
2，Self-ask with Search解析及源码
3，Chat解析及源码
第14课 利用LangChain构建问答谈天机器人案例实战
1，LangChain的TextSplitter有效地切分文档
2，利用Embeddings和Vectorstore
3，Q&A模块快代码实现
4，同步及异步的Streaming API
5，Testing及Debugging
第15课 构建基于大模型的Autonomous Agents案例
1，Autonomous Agents事理机制
2，Tools for Autonomous Agents
3，Memory for Autonomous Agents
4，开源实现源码逐行解析
第16课 基于LLM的SQL运用程序开拓实战
1，SQL on LLMs运用程序初始化
2，利用LangChain SQL代理
3，测试和调试SQL on LLMs
第17课 RasaGPT项目详解
1，安装和配置Rasa、FastAPI、Langchain、LlamaIndex、SQLModel、pgvector和ngrok
2，利用FastAPI创建专有的机器人端点
3，与Rasa集成Langchain和LlamaIndex
4，在Rasa和后端运用程序之间添加多租户、会话和元数据
5，源码逐行解读、测试及调试
第18课 LangChain源码逐行解密之LLMs
1，base.py源码逐行阐发
2，loading.py源码逐行阐发
3，utils.py源码逐行阐发
4，writer.py源码逐行阐发
5，openai.py源码逐行阐发
6，gpt4all.py源码逐行阐发
7，modal.py源码逐行阐发
8，beam.py源码逐行阐发
9，databricks.py源码逐行阐发
10，human.py源码逐行阐发
第19课 LangChain源码逐行解密之prompts
1，base.py源码逐行阐发
2，chat.py源码逐行阐发
3，prompt.py源码逐行阐发
4，few_shot.py源码逐行阐发
5，loading源码逐行阐发
第20课 LangChain源码逐行解密之系统
1，server.py源码逐行阐发
2，utils.py源码逐行阐发
3，text_splitter.py源码逐行阐发
4，python.py源码逐行阐发
5，serapi.py源码逐行阐发
6，cache.py源码逐行阐发
7，env.py源码逐行阐发
8，input.py源码逐行阐发
9，math_utils.py源码逐行阐发
10，model_laboratory.py源码逐行阐发
第21课 类ChatGPT开源大模型进阶项目实践
1， 类ChatGPT开源大模型基于LoRA SFT+RM+RAFT技能进行模型微调
2，类ChatGPT开源大模型基于P-Tuning等技能对特定领域数据进行模型微调
3，类Chat GPT 技能基于 LLama Index 和 Langchain 技能的全面实践
4，类 ChatGPT大型措辞模型基于向量检索技能对特定领域数据进行模型微调
报名课程请联系：
Gavin老师：NLP_Matrix_Space
Sam事情职员NLP_ChatGPT_LLM
我们的两本最新书本年底即将出版：
《企业级Transformer&ChatGPT解密：事理、源码及案例》《企业级Transformer&Rasa解密：事理、源码及案例》《企业级Transformer&ChatGPT解密：事理、源码及案例》本书以Transformer和ChatGPT技能为主线，系统阐发了Transformer架构的理论根本、模型设计与实现，Transformer措辞模型GPT与BERT，ChatGPT技能及其开源实现，以及干系运用案例。内容涉及贝叶斯数学、把稳力机制、措辞模型、最大似然与贝叶斯推理等理论，和Transformer架构设计、GPT、BERT、ChatGPT等模型的实现细节，以及OpenAI API、ChatGPT提示工程、类ChatGPT大模型等运用。第一卷先容了Transformer的Bayesian Transformer思想、架构设计与源码实现，Transformer措辞模型的事理与机制，GPT自回归措辞模型和BERT自编码措辞模型的设计与实现。第二卷深入解析ChatGPT技能，包括ChatGPT发展历史、基本事理与项目实践，OpenAI API根本与高等运用，ChatGPT提示工程与多功能运用，类ChatGPT开源大模型技能与项目实践。
ChatGPT 技能：从根本运用到进阶实践涵盖了ChatGPT技能和OpenAI API的根本和运用，分为8个章节，从ChatGPT技能概述到类ChatGPT开源大模型技能的进阶项目实践。
1. ChatGPT技能概述：紧张先容了GPT-1、GPT-2、GPT-3、GPT-3.5和GPT-4的发展进程和技能特点，以及ChatGPT技能的基本事理和项目案例实战。
2. OpenAI API根本运用实践：紧张先容了OpenAI API模型及接口概述，以及如何利用OpenAI API进行向量检索和文本天生。
3. OpenAI API进阶运用实践：紧张先容了如何利用OpenAI API基于嵌入式向量检索实现问答系统，如何利用OpenAI API对特定领域模型进行微调。
4. ChatGPT提示工程根本知识：紧张先容了如何构建优质提示的两个关键原则，以及如何迭代快速开拓构建优质提示。
5. ChatGPT提示工程实现多功能运用：紧张先容了如何利用ChatGPT提示工程实现概括总结、推断任务、文本转换和扩展功能。
6. ChatGPT提示工程构建谈天机器人：紧张先容了谈天机器人的运用处景，以及如何利用ChatGPT提示工程构建谈天机器人和订餐机器人。
7. 类ChatGPT开源大模型技能概述：紧张先容了类ChatGPT开源大模型的发展进程和技能特点，以及ChatGLM项目案例实践和LMFlow项目案例实践。
8. 类ChatGPT开源大模型进阶项目实践：紧张先容了类ChatGPT开源大模型的进阶项目实践，包括基于LoRA SFT+RM+RAFT技能进行模型微调、基于P-Tuning等技能对特定领域数据进行模型微调、基于LLama Index和Langchain技能的全面实践，以及利用向量检索技能对特定领域数据进行模型微调。
本书适用于NLP工程师、AI研究职员以及对Transformer和ChatGPT技能感兴趣的读者。通过学习，读者能够系统节制Transformer理论根本，模型设计与演习推理全过程，理解ChatGPT技能底细，并能利用OpenAI API、ChatGPT提示工程等技能进行项目实践。
Transformer作为目前NLP领域最为主流和成功的神经网络架构，ChatGPT作为Transformer技能在对话系统中的范例运用，本书内容涵盖了该领域的最新进展与技能。通过案例实践，使理论知识变成技能，这也是本书的独特之处。
《企业级Transformer&Rasa解密：事理、源码及案例》：是一本深入先容Rasa对话机器人框架的实战开拓指南。本书分为两卷，第一卷紧张先容基于Transformer的Rasa Internals解密，详细先容了DIETClassifier和TED在Rasa架构中的实现和源码阐发。第二卷紧张先容Rasa 3.X硬核对话机器人运用开拓，先容了基于Rasa Interactive Learning和ElasticSearch的实战案例，以及通过Rasa Interactive Learning创造和解决对话机器人的Bugs案例实战。
第一卷中先容了Rasa智能对话机器人中的Retrieval Model和Stateful Computations，解析了Rasa中去掉对话系统的Intent的底细，深入研究了End2End Learning，讲解了全新一代可伸缩的DAG图架构的底细，先容了如何定制Graph NLU及Policies组件，谈论了自定义GraphComponent的底细，从Python角度剖析了GraphComponent接口，详细阐明了自定义模型的create和load底细，并讲述了自定义模型的languages及Packages支持。深入阐发了自定义组件Persistence源码，包括自定义对话机器人组件代码示例剖析、Resource源码逐行解析、以及ModelStorage、ModelMetadata等逐行解析等。先容了自定义组件Registering源码的底细，包括采取Decorator进行Graph Component注册底细源码剖析、不同NLU和Policies组件Registering源码解析、以及手工实现类似于Rasa注册机制的Python Decorator全流程实现。谈论了自定义组件及常见组件源码的解析，包括自定义Dense Message Featurizer和Sparse Message Featurizer源码解析、Rasa的Tokenizer及WhitespaceTokenizer源码解析、以及CountVectorsFeaturizer及SpacyFeaturizer源码解析。深入阐发了框架核心graph.py源码，包括GraphNode源码逐行解析及Testing剖析、GraphModelConfiguration、ExecutionContext、GraphNodeHook源码解析以及GraphComponent源码回顾及其运用源码。
第二卷紧张先容了基于Rasa Interactive Learning和ElasticSearch的实战案例，以及通过Rasa Interactive Learning创造和解决对话机器人的Bugs案例实战。先容了利用Rasa Interactive Learning来调试nlu和prediction的案例实战，利用Rasa Interactive Learning来创造和解决对话机器人的Bugs案例实战先容了利用Rasa Interactive Learning透视Rasa Form的NLU和Policies的内部事情机制案例实战，利用ElasticSearch来实现对话机器人的知识库功能，并先容了干系的源码阐发和最佳实践，先容了Rasa微做事和ElasticSearch整合中的代码架构剖析，利用Rasa Interactive Learning对ConcertBot进行源码、流程及对话过程的底细解密，先容了利用Rasa来实现Helpdesk Assistant功能，并先容了如何利用Debug模式进行Bug调试，利用Rasa Interactive Learning纠正Helpdesk Assistant中的NLU和Prediction缺点，逐行解密Domain和Action微做事的源码。
本书适宜对Rasa有一定理解的开拓职员和研究职员，希望通过本书深入理解Rasa对话机器人的内部事情事理及其源代码实现办法。无论您是想要深入理解Rasa的事情事理还是想要扩展和定制Rasa，本书都将为您供应有代价的参考和辅导。
《企业级Transformer&ChatGPT解密：事理、源码及案例》、《企业级Transformer&Rasa解密：事理、源码及案例》，是您深入学习的好选择，年底即将重磅出版，欢迎购买！