入门通识课程入门中文3–5 周★ 25k60 章可站内阅读
LLM Cookbook（吴恩达系列中文版）
Datawhale：面向开发者的大模型入门实践手册
Datawhale · 24,520 stars
Datawhale 面向开发者的大模型入门手册，基于吴恩达系列课程筛选、翻译与复现。覆盖 Prompt、API 系统、LangChain、RAG 与基础评测工具，主打「用中文把第一门 LLM 开发课学完」。适合会一点 Python、想尽快做出可用 demo 的读者。
为什么收录 · 中文社区最完整的「吴恩达 LLM 课落地版」之一，是站内入门层架的中文主线补充。
PromptLLM APILangChainRAG中文教程吴恩达课程
这本书强在哪
- 基于吴恩达大模型系列课程翻译复现，路径经过国内学习者验证
- 从 Prompt 到 RAG / 应用部署一条链讲完，适合中文读者入门
- 配套在线阅读站点，降低安装门槛
- 与 llm-universe、self-llm 可形成 Datawhale 进阶序列
建议怎么学
- 01严格按章节顺序：Prompt → API 系统 → LangChain → RAG
- 02每章至少改一个自己的业务样例数据
- 03做完 RAG 章后，用同一知识库接 llm-universe 加深
- 04需要部署/微调开源模型时转 self-llm
适合谁 / 前置
- Python 基础
- 能申请并使用主流 LLM API
- 不要求深度学习推导
学完得到什么
- 能用 Prompt 完成总结、推断、转换等常见开发任务
- 理解用 API 搭建对话系统与 LangChain 应用的基本流程
- 能动手做入门级 RAG / 工具链 demo
- 建立对评估与调试生成式应用的初步意识
目录
来自站内阅读器镜像；点击章节直接阅读
Notebook60 章
- 012. 提示原则 Guidelinesnotebook
- 023. 迭代优化 Iterativenotebook
- 034. 文本概括 Summarizingnotebook
- 045. 推断 Inferringnotebook
- 056. 文本转换 Transformingnotebook
- 067. 文本扩展 Expandingnotebook
- 078. 聊天机器人 Chatbotnotebook
- 08附1 使用ChatGLM进行学习notebook
- 092.模型、提示和解析器 Models, Prompts and Output Parsersnotebook
- 103.储存 Memorynotebook
- 114.模型链 Chainsnotebook
- 125.基于文档的问答 Question and Answernotebook
- 136.评估 Evaluationnotebook
- 147.代理 Agentnotebook
- 152.语言模型，提问范式与 Token Language Models, the Chat Format and Tokensnotebook
- 163.评估输入 分类 Classificationnotebook
- 174.检查输入 监督 Moderationnotebook
- 185.处理输入 思维链推理 Chain of Thought Reasoningnotebook
- 196.处理输入 链式 Prompt Chaining Promptsnotebook
- 207.检查结果 Check Outputsnotebook
- 218.搭建一个带评估的端到端问答系统 Evaluationnotebook
- 229.评估（上） Evaluation part1notebook
- 2310.评估（下）Evaluation part2notebook
- 242.文档加载 Document Loadingnotebook
- 253.文档分割 Splittingnotebook
- 264.向量数据库与词向量 Vectorstores and Embeddingsnotebook
- 275.检索 retrievalnotebook
- 286.问答 Question Answeringnotebook
- 297.聊天 Chatnotebook
- 302. 思维链和自我一致性notebook
- 313. 提示优化工具notebook
- 324. 协同推理和行动 ReActnotebook
- 335. 情绪激励提示notebook
- 346. 后退式提示notebook
- 357. 程序辅助 LLMnotebook
- 368. 思维骨架提示notebook
- 372. 基于嵌入的检索技术概述 Overview of embeddings based retrievalnotebook
- 383. 检索陷阱 Pitfalls of retrievalnotebook
- 394. 查询扩展 Query Expansionnotebook
- 405. 交叉编码器的重排序 Cross encoder re rankingnotebook
- 416. 嵌入适配器 Embedding Adaptorsnotebook
- 422.高级RAG管道 Advanced RAG Pipelinenotebook
- 433.评估RAG应用的指标 RAG Traid of Metricsnotebook
- 444.句子滑窗检索 Sentence window retrievalnotebook
- 455.自动合并检索 Auto merging Retrievalnotebook
- 462. 图片总结应用 Image captioning appnotebook
- 473. 用一个简单的界面完成NLP任务 NLP tasks with a simple interfacenotebook
- 484. 图像生成应用程序 Image Generation APPnotebook
- 495. 描述与生成游戏 Descirbe and Generate Gamenotebook
- 506. 与任意LLM交流 Chat with any LLMnotebook
- 512.测量权重和偏差 W&Bnotebook
- 523.通过W&B训练一个扩散模型 Training a Diffusion Model with Weights and Biases (W&B) copynotebook
- 534.评估一个扩散模型 Evaluating a Diffusion Modelnotebook
- 545.大语言模型评估以及用 W&B 追踪 Evaluation and Tracingnotebook
- 556.微调语言模型 Finetuning a language modelnotebook
- 562. 为什么要微调 Why finetunenotebook
- 573.微调的应用场景 Where Finetuning Fits Innotebook
- 584. 指令微调 Instruction finetuningnotebook
- 595. 数据处理 Data proparationnotebook
- 606. 训练过程 Training processnotebook
策展亮点章节
面向开发者的 Prompt Engineering用 ChatGPT API 搭建系统LangChain 应用开发RAG 与私有数据Gradio / 评估调试工具
仓库数据
Stars24,520
Forks2,954
主要语言Jupyter Notebook
创建2023/4/29
更新2025/6/12
92440ede（main）· 许可证 需人工确认 (NOASSERTION)。 上游更新后可通过同步脚本刷新。