资源介绍
基于 Python 的生成式 AI 开发（中文字幕英文视频教程）
本课程是一门聚焦生成式 AI 技术实践的专业课程，通过系统的模块划分与清晰的知识脉络，帮助学习者掌握基于 Python 语言，结合相关工具构建生成式 AI 应用的核心能力。课程包含 20 个视频（通过统计 MP4 文件得出），所有视频均配备中文字幕（srt 格式），方便学习者理解课程内容，无论是 AI 领域的新手还是有一定编程基础的开发者，都能借助本课程快速踏入生成式 AI 应用开发的大门。
一、生成式 AI 基础与课程准备（第 1 模块）
课程开篇的 “生成式 AI 基础与课程应用介绍” 模块，从生成式 AI 的基础概念入手，首先带领学习者认识生成式 AI 的定义、核心特性与广泛应用场景，让学习者对这一技术领域建立整体认知。随后，详细讲解生成式 AI 的工作原理，拆解其技术逻辑，帮助学习者理解背后的核心机制。考虑到不同学习者的背景差异，模块中专门明确了本课程的适用人群，让学习者能清晰判断自身是否适合参与课程学习。同时，还列出了课程学习所需的前置条件，包括必备的 Python 编程基础、相关开发环境配置要求等，确保学习者在开始学习前做好充分准备。此外，模块中对课程配套练习文件的使用方法也进行了说明，助力学习者通过实践巩固所学知识，为后续深入学习打下坚实基础。
二、生成式 AI 开发核心概念与环境搭建（第 2 模块）
在 “生成式 AI 开发核心概念与环境搭建” 模块，课程聚焦开发前的关键准备工作与核心概念讲解。首先，指导学习者完成相关账号的注册与创建，为后续使用开发工具奠定基础。接着，详细介绍如何快速上手使用相关开发平台，熟悉平台的核心功能与操作流程。随后，讲解如何启动一个新的生成式 AI 开发项目，从项目初始化、结构设计等方面给出具体指导。最重要的是，模块中深入讲解了如何借助相关 API 实现开发环境的快速搭建与运行，让学习者掌握 API 调用的关键步骤与注意事项，同时强调在 API 使用过程中的安全防护意识，提醒学习者做好 API 密钥的保管，避免泄露导致安全风险，提升在开发初期的安全防御能力。此外，还介绍了如何创建完成度较高的基础生成式 AI 功能，为后续复杂应用开发积累基础经验。
三、聊天机器人应用构建（第 3 模块）
“聊天机器人应用构建” 模块专注于聊天机器人的开发实践。首先，对聊天机器人的定义、应用场景与核心价值进行介绍，让学习者了解聊天机器人在生成式 AI 领域的重要地位。随后，带领学习者一步步构建一个基础的聊天机器人，从需求分析、功能设计到代码实现，详细拆解每一个开发环节。在开发过程中，课程特别强调聊天机器人的安全防护，例如如何对用户输入内容进行合规性检测，防止恶意输入对机器人系统造成破坏，以及如何保障用户交互数据的安全，提升聊天机器人应用的整体安全防御能力，确保开发出的聊天机器人不仅能实现基础交互功能，还能在安全层面满足应用需求。
四、高级生成式模型探索与安全防护（第 4 模块）
本模块聚焦高级生成式模型的应用与安全防护体系构建。课程首先介绍了生成式 AI 领域中的高级模型类型，包括图像生成模型、语音处理模型等，讲解这些模型的核心特性与应用场景。随后，重点讲解了模型中的内容审核接口，详细介绍该接口的功能、调用方法与参数设置，帮助学习者掌握如何利用该接口对生成内容或用户输入内容进行合规性与安全性检测，过滤违规信息。在此基础上，课程指导学习者将内容审核层整合到生成式 AI 应用开发流程中，构建从输入到输出的全流程安全防护机制。通过实际案例演示，让学习者了解如何在应用开发中嵌入安全审核环节，及时发现并处理安全风险，强化应用的安全防御能力，避免因违规内容或恶意使用对应用造成不良影响。
五、LLM 能力增强：函数调用技术（第 5 模块）
“LLM 能力增强：函数调用技术” 模块围绕大型语言模型（LLM）的功能扩展展开。课程首先讲解了函数调用技术的概念、核心价值与应用场景，让学习者理解该技术如何突破 LLM 的原生能力限制，实现与外部工具、系统的交互，提升模型的实用性。随后，详细介绍了函数调用技术的整合方法，包括如何定义函数、设置函数参数、建立 LLM 与函数的通信机制等，通过代码示例一步步演示整合过程，让学习者直观感受技术实现细节。最后，课程讲解了函数调用的执行流程与调试方法，包括调用过程中的错误处理、性能优化等内容，同时强调在函数调用过程中的安全问题，例如如何验证函数调用的合法性，防止恶意函数调用对系统造成攻击，提升 LLM 应用在功能扩展过程中的安全稳定性。
六、定制化知识聊天机器人开发（第 6 模块）
本模块聚焦基于 LangChain 与 ChromaDB 的定制化知识聊天机器人开发。课程首先分析了 LangChain 工具在生成式 AI 应用开发中的核心优势，包括其对不同模型、数据库的整合能力，对复杂工作流的支持能力等，让学习者理解为何在定制化知识聊天机器人开发中选择 LangChain。随后，详细讲解了 LangChain 的工作原理，拆解其核心组件（如提示词工程模块、记忆模块、工具调用模块等）的功能与协作机制，帮助学习者掌握 LangChain 的技术逻辑。在此基础上，课程指导学习者结合 ChromaDB 数据库，构建具备定制化知识储备的聊天机器人，包括如何将特定领域的知识数据导入 ChromaDB、如何通过 LangChain 实现 LLM 与 ChromaDB 的交互，以及如何让聊天机器人基于定制化知识进行精准回答。同时，课程强调在数据存储与交互过程中的数据安全防护，包括数据库的访问权限控制、数据加密存储等，确保定制化知识数据的安全，提升聊天机器人应用的整体安全性。
七、课程总结与后续学习方向（第 7 模块）
作为课程的收尾模块，“课程总结与后续学习方向” 对整个课程的核心知识点进行了梳理与回顾，帮助学习者巩固所学内容，构建完整的知识体系。课程分享了生成式 AI 应用开发领域的未来发展趋势，包括技术创新方向、行业应用热点等，为学习者指明后续学习与职业发展的方向。同时，给出了针对性的学习建议，包括进一步深入学习的技术领域、推荐的实践项目类型等，鼓励学习者在课程结束后继续探索，通过持续实践提升生成式 AI 应用开发能力，更好地适应生成式 AI 技术的快速发展，在相关领域实现个人成长与职业突破。