这是一个 AI 学习项目，包含从基础到高级的多个实践模块：

• 🤖 LLM 基础对话
• 🔄 函数调用
• 🖼️ 多模态应用
• 🌐 Web 应用开发
• 📚 RAG 系统实现

快速开始：

git clone <repo> && cd learning-ai
python -m venv .venv && source .venv/bin/activate
uv pip install -e .

这是一个用于学习和实践 AI 应用开发的项目，包含多个模块来展示不同的 AI 功能和应用场景。

.
├── 01-HelloLLM/         # LLM基础入门示例
├── 02-Advanced-Chat/    # 高级对话功能示例
├── 03-Function-Calling/ # 函数调用功能示例
├── 04-Multi-Modal/      # 多模态应用示例
├── 05-app/             # Web应用示例
├── 06-app-server/      # 后端服务示例
└── 07-Rag/             # 检索增强生成(RAG)示例

• Python >= 3.12
• 推荐使用 uv 包管理器

1. 克隆项目

git clone <repository-url>
cd learning-ai

1. 环境配置

# 创建并激活虚拟环境
python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# 或
.venv\Scripts\activate    # Windows

# 安装依赖
uv pip install -e .

1. 配置环境变量

cp .env.example .env
# 编辑 .env 文件，填入必要的 API 密钥

• openai >= 1.70.0：OpenAI API 客户端
• faiss-cpu >= 1.10.0：向量检索库
• pandas >= 2.2.3：数据处理
• tqdm >= 4.67.1：进度条显示
• 其他文件处理库：openpyxl, pypdf2, python-docx

LLM 基础应用示例，包含基本的对话和文本生成功能。

展示高级对话功能，包含上下文管理和对话控制。

演示如何使用 LLM 的函数调用能力。

多模态应用示例，展示图像和文本的结合应用。

Web 应用示例，展示如何构建 AI 驱动的 Web 应用。

后端服务示例，提供 AI 功能的 API 接口。

检索增强生成(RAG)示例，展示如何结合文档检索和 LLM 生成。

每个模块都包含独立的示例和说明文档，请参考各模块下的 README 文件获取详细使用说明。

1. 请确保在使用前正确配置环境变量
2. 建议使用虚拟环境运行项目
3. 部分功能需要相应的 API 密钥

欢迎提交 Issue 和 Pull Request 来帮助改进项目。

未来计划添加的主要功能：

• 本地模型部署完整指南

注：Roadmap 会根据技术发展和社区需求持续更新

MIT License