AI专题(Python/.Net) + Python快速入门 + AI工具
一. 前言
1. 需要准备的东西
1. “****
2. 各个模型的key
PS：如果需要国外手机号码，可以使用 https://sms-activate.org/cn/ 这个网站进行接收。
注：有的AI，有些国家是被封了，以便切换“****的地址。
2. 一些术语
LLM：大型语言模型(大模型)
Embedding：文本向量化
VectorDB：向量数据库
NPL: 自然语言处理
RAG: 检索增强生成 (给LLM知道私有数据)
二. 相关说明
1 相关地址
阿里百炼：
DeepSeek：
Qdrant：https://qdrant.tech/
2 微软相关库
(1) Microsoft.Agents.AI.OpenAI： 代理框架，里面包括非常多的库，有了它，基本上不需要引入其它库了。比如：
A. Microsoft.Extensions.AI: 是一组核心 .NET 库，提供统一的 C# 抽象层，用于与 AI 服务交互，例如小型和大型语言模型（SLM 和 LLM）、嵌入和中间件
B. OpenAI: OpenAI官方的.Net库
C. Microsoft.Extensions.AI.OpenAI：为 OpenAI 兼容的模型或终结点提供 AI 抽象。 此库还包括 OpenAI 的官方库作为依赖项
D. Microsoft.Extensions.VectorData.Abstractions: 提供对矢量存储的 Create-Read-Update-Delete (CRUD) 和搜索操作。 它允许在矢量存储（如 Qdrant、Azure SQL、CosmosDB、MongoDB、ElasticSearch 等）中存储已处理的区块。
(2) Microsoft.Extensions.DataIngestion： 包提供用于数据引入的基础 .NET 构建基块。 它使开发人员能够读取、处理和准备 AI 和机器学习工作流的文档，特别适用于检索增强生成（RAG）场景
(3) Microsoft.KernelMemory.xx :系列是微软开源的Kernel Memory（内核内存） 框架的核心组件，专注于构建 AI 驱动的语义内存系统（文档解析、语义检索、生成式问答），比如：
核心基础层：
A. Microsoft.KernelMemory.Core：框架核心库，包含 Kernel Memory 的基础架构
B. Microsoft.KernelMemory.Abstraction：抽象层库，定义核心接口（解耦实现与业务逻辑),通用接口：IMemoryDb（向量库）、IAIService（AI 模型）、IDocumentSplitter（文档拆分）
AI模型适配层，对接不同AI
C. Microsoft.KernelMemory.AI.OpenAI: 适配OpenAI 官方 API，封装 OpenAI Embedding（文本向量化）封装 OpenAI LLM（生成式问答、摘要）；. 处理 API 认证、超时、重试逻辑
向量数据库适配层：
D. Microsoft.KernelMemory.MemoryDd.Qdrant: 适配 Qdrant 数据库
(4) ModelContextProtocol： MCP C#的SDK
(5) Microsoft.SemanticKernel.Connectors.InMemory：提供"内存中矢量存储类"来保存可查询矢量数据记录 【内存向量库】
三. 目录
阶段四：AI专题【基于Python】
第一节：Python相关环境安装和配置(Python、PyCharm、Anaconda)
第二节：Prompt Engineer核心剖析(提示词介绍、调优、攻击和防御)
第三节：RAG基础(概念、工作流程、文档分块、向量和Embedding、RAG案例等等)
第五节：LangChain框架简介和快速入门(模型、模板、解释器、向量、RAG、代理)
第七节：LangChain框架Chain链和Agent代理详解
第八节：LangChain框架中间件、Memory 及 LangSmith的使用
第十节：预检索-索引优化(摘要、父子、假设问题、元数据、混合索引)
第十一节：多检索查询、混合检索(多检索+RRF重排)、检索后优化(文档压缩)
第十二节：MinerU处理复制PDF 和 综合性金融案例实战--未完
第十四节：LlamaIndex框架介绍和入门1(基本用法、提示词、节点等)
第十五节：LlamaIndex框架使用2(文件解析器、分割器)
阶段三：Python基础
第一节：Python基础1(数据类型、命名规范、输入输出、运算符、类型转换等)
阶段五：AI工具篇
第一节：AI工具总览(Copilot、Cursor、Claude Code、OpenCode、Codex、Trae等)
第二节：GitHub Copilot 用法(基于VSCode/VS、添加DeepSeek/千问等任意模型)
第四节：LM Studio的使用(安装配置、模型下载和使用、发布API)--未完
阶段二：AI入门【基于.Net】
第一节：基于微软AI库调用阿里千问大模大模型(一次性返回 和 流式返回)
第三节：Qdrant向量数据库简介、"科学"安装、结合Embedding入门实操
第四节：LLM的默认无状态、基于Memnet库记忆实操、原理说明
第五节：RAG实操--让AI懂你的私有数据、本质剖析(很傻瓜)
第六节：Funcition Calling实操--让LLM具有调用本地函数能力、本质剖析(很傻瓜)
阶段一：ChatGPT基本用法
第二节：ChatGPT提示词Prompts的设计技巧和一些场景
第三节：ChatGPT聊天框用途(PPT/思维导图/写代码/文案/面试等等)--持续更新
第五节：ChatGPT开源项目、周边软件/插件介绍、AutoGPT和Cusor的使用
第六节：基于.Net的OpenAI包测试使用ChatGPT的各种Api
第七节：基于ChatGPT实现聊天程序(vue3+nodejs)--未完
!
- 作 者 : Yaopengfei(姚鹏飞)
- 博客地址 : http://www.cnblogs.com/yaopengfei/
- 声 明1 : 如有错误，欢迎讨论，请勿谩骂^_^。
- 声 明2 : 原创博客请在转载时保留原文链接或在文章开头加上本人博客地址，否则保留追究法律责任的权利。
浙公网安备 33010602011771号