尚硅谷Java企业级大模型应用项目：小智医疗(LangChain4J实战)
名称：尚硅谷Java企业级大模型应用项目：小智医疗(LangChain4J实战)描述：《尚硅谷Java企业级大模型应用项目：小智医疗(LangChain4J实战)》是一门专注于医疗AI助手开发的实战课程，基于LangChain4J框架整合多种大语言模型(如DeepSeek、Ollama、阿里百炼等)，系统讲解了从基础到企业级应用的完整开发流程。课程首先介绍LangChain4J核心概念，包括AIService、聊天记忆(Chat Memory)和提示词工程(Prompt)，然后详细讲解如何接入不同大模型(通义千问、DeepSeek等)以及本地部署(Ollama)和云平台(阿里百炼)的使用方法。在高级功能部分，重点讲解了Function Calling(工具调用)、RAG(检索增强生成)技术实现(包括文档加载、分割、向量化)以及Pinecone向量存储的应用。最后通过"硅谷小智"医疗助手项目实战，完整演示了智能对话、预约管理、知识检索等功能的开发过程，并集成流式输出和前端交互，帮助学员掌握企业级AI应用的开发技能。
链接：
百度：https://pan.baidu.com/s/1HQMl4A4H688s-sDOMwxc8Q?pwd=5mit
夸克：https://pan.quark.cn/s/7c9e82d63d4c
📁 大小：10 GB
🏷 标签：#LangChain4J #大模型 #医疗AI #RAG #FunctionCalling #向量存储 #Pinecone #提示词工程 #Ollama #阿里百炼 #智能对话 #尚硅谷Java企业级大模型应用项目 #小智医疗 #LangChain4J实战 #baidu #quark
https://s21.ax1x.com/2025/04/26/pEov6KI.png
└─尚硅谷Java企业级大模型应用项目：小智医疗（LangChain4J实战）
│资料.exe
│
├─视频
│ 01-教程简介.mp4
│ 02-LangChain4j入门-简介.mp4
│ 03-LangChain4j入门-应用程序整合大语言模型的常见场景.mp4
│ 04-LangChain4j入门-创建SpringBoot应用程序.mp4
│ 05-LangChain4j入门-接入大模型.mp4
│ 06-LangChain4j入门-使用Spring Boot Starters.mp4
│ 07-接入其他大模型-都有哪些大模型可进行接入.mp4
│ 08-接入其他大模型-DeepSeek.mp4
│ 09-接入其他大模型-运行时无法获取apiKey的原因.mp4
│ 10-接入其他大模型-ollama本地部署.mp4
│ 11-接入其他大模型-ollama.mp4
│ 12-接入其他大模型-阿里百炼介绍.mp4
│ 13-接入其他大模型-阿里百炼通义千问.mp4
│ 14-接入其他大模型-阿里百炼通义万象.mp4
│ 15-接入其他大模型-阿里百炼deepseek.mp4
│ 16-AIService-概念.mp4
│ 17-AIService-创建AIService.mp4
│ 18-AIService-使用@AiService.mp4
│ 19-AIService-工作原理.mp4
│ 20-Chat memory-聊天记忆的简单实现.mp4
│ 21-Chat memory-使用ChatMemory实现聊天记忆.mp4
│ 22-Chat memory-使用AIService实现聊天记忆.mp4
│ 23-Chat memory-隔离聊天记忆.mp4
│ 24-Chat memory-实现原理.mp4
│ 25-Chat memory-替换聊天记忆的实现.mp4
│ 26-Persistence-存储介质的选择.mp4
│ 27-Persistence-MongoDB简介.mp4
│ 28-Persistence-MongoDB的安装和基本操作.mp4
│ 29-Persistence-SpringBoot整合MongoDB.mp4
│ 30-Persistence-实现.mp4
│ 31-Persistence-测试.mp4
│ 32-Prompt-系统提示词.mp4
│ 33-Prompt-在提示词中添加当前日期.mp4
│ 34-Prompt-从资源中加载提示模板.mp4
│ 35-Prompt-用户提示词.mp4
│ 36-Prompt-使用@v参数.mp4
│ 37-Prompt-多个参数的情况.mp4
│ 38-Prompt-@SystemMessage和@V.mp4
│ 39-项目实战-创建硅谷小智聊天助手.mp4
│ 40-项目实战-测试硅谷小智聊天助手.mp4
│ 41-Function Calling-测试大语言模型的缺陷.mp4
│ 42-Function Calling-工具的定义和使用.mp4
│ 43-Function Calling-@Tool和@P.mp4
│ 44-Function Calling-@ToolMemoryId.mp4
│ 45-项目实战-实现预约相关业务逻辑.mp4
│ 46-项目实战-测试业务方法.mp4
│ 47-项目实战-创建和配置Tools.mp4
│ 48-项目实战-测试硅谷小智的预约功能.mp4
│ 49-RAG-RAG和微调大模型.mp4
│ 50-RAG-向量和维度.mp4
│ 51-RAG-相似度和相似度测量.mp4
│ 52-RAG-索引阶段和检索阶段.mp4
│ 53-RAG-文档加载器.mp4
│ 54-RAG-文档解析器.mp4
│ 55-RAG-文档分割器.mp4
│ 56-向量转换和向量存储.mp4
│ 57-自定义文档分割器.mp4
│ 58-token和token计算.mp4
│ 59-项目实战-在硅谷小智中实现RAG.mp4
│ 60-embedding-引入通用文本向量模型.mp4
│ 61-embedding-Pinecone的使用.mp4
│ 62-embedding-向Pinecone中存入数据.mp4
│ 63-embedding-相似度匹配.mp4
│ 64-项目实战-在硅谷小智中集成向量大模型和Pinecone向量存储.mp4
│ 65-项目实战-流式输出.mp4
│ 66-项目实战-运行前端工程.mp4
│
├─课件
││尚硅谷-Java+大模型应用-硅谷小智（医疗版）.pdf
││
│└─images
│ 1-阿里云百炼免费体验.png
│ 3-开通服务.png
│ 4-确认开通.png
│ crud-annotated-document.png
│ image-20250401193333467.png
│ image-20250402000205052.png
│ image-20250411220815183.png
│ image-20250411223705047.png
│ image-20250411231816423.png
│ image-20250411234653550.png
│ image-20250411235025737.png
│ image-20250411235448310.png
│ image-20250412000639815.png
│ image-20250412003645783.png
│ image-20250418122620225.png
│ image-20250418154427237.png
│ image-20250420170954862.png
│ rag-retrieval-f525d2937abc08fed5cec36a7f08a4c3.png
│ v2-55c2f61aceb86313711d50a5e6e9f8fd_1440w.jpg
│ v2-b88f750dc797da4f9cc45da0fdd482dc_1440w.jpg
│ v2-db52b20a89a5dc3bde66da11691a7438_1440w.jpg
│
└─资料
│knowledge.zip
│mongodb-compass-1.39.3-win32-x64.exe
│mongodb-windows-x86_64-8.0.6-signed.msi
│mongosh-2.5.0-win32-x64.zip
│node-v18.17.1-x64.msi
│OllamaSetup.exe
│文生图.txt
│
├─MySQL数据库管理软件（服务器端程序）
│ mysql-installer-community-8.0.34.0.msi
│
├─SQLyog客户端社区版
│ SQLyog-13.1.7-0.x64Community.exe
│
└─前端代码
xiaozhi-ui.zip
谢谢楼主分享！ AI的内容，看到必下 感谢楼主分享。 谢谢分享。 谢谢分享，学习一下！
页:
[1]