本教程专为具备 Python 基础的开发者设计，旨在通过“理论先行，实战为主，项目驱动”的方式，帮助你从零开始掌握大语言模型 (LLM) 的应用开发。

我们摒弃了枯燥的纯理论讲解，而是通过一个个具体的代码实战项目（CLI 聊天机器人、RAG 知识库助手、AI Agent 智能体、全栈 Web 应用），带你一步步深入 LLM 的核心领域。

🎯 教程目标

完成本教程后，你将能够：

• 理解 LLM 的工作原理与 API 调用流程。
• 掌握 Prompt Engineering (提示词工程) 的核心技巧。
• 构建基于 RAG (检索增强生成) 的私有知识库问答系统。
• 开发具备工具调用能力的 AI Agent (智能体)。
• 了解模型微调 (Fine-tuning) 与 LLMOps 部署流程。

📚 教程目录

本教程分为五个阶段，每个阶段包含详细的 Markdown 教程文档 (docs/) 和对应的 Python 实战代码 (src/)。

阶段一：Hello LLM —— 走进大模型世界

从配置环境开始，跑通第一个 API 调用，理解多轮对话的实现原理。

阶段二：Prompt Engineering —— 提示词工程

学习如何通过“说话”来编程，掌握 Zero-shot, Few-shot, CoT (思维链) 以及结构化输出等高级技巧。

阶段三：RAG —— 给大模型外挂知识库

解决模型幻觉与知识过时问题。学习向量数据库 (ChromaDB/FAISS) 的使用，构建基于私有文档的问答助手。

阶段四：AI Agent —— 打造智能体

让模型学会使用工具。深入理解 Function Calling 原理，并亲手实现一个 ReAct (Reasoning + Acting) 代理框架。

阶段五：模型微调与工程化 (LLMOps)

探索模型微调的概念，并将你的 AI 应用封装为标准的 FastAPI 后端与 Streamlit 前端，体验完整的全栈部署流程。

🚀 快速开始

1. 克隆项目

   gitclone<repository_url>cdllm-study

2. 创建虚拟环境

   # Windowspython-mvenv .venv .\.venv\Scripts\activate

3. 安装依赖

   pipinstall-rrequirements.txt

4. 开始学习
   请阅读 使用说明.md 查看详细的章节说明与代码运行指南。