finish readme 修订

README.md

@@ -70,7 +70,11 @@
 
 ## 项目意义
 
-LLM 正在逐步改变人们的生活，而对于开发者，如何基于 LLM 提供的 API 快速、便捷地开发一些具备更强能力、集成LLM 的应用，来便捷地实现一些更新颖、更实用的能力，是一个急需学习的重要能力。由吴恩达老师与 OpenAI 合作推出的大模型系列教程，包括 、等教程，其中，《ChatGPT Prompt Engineering for Developers》教程面向入门 LLM 的开发者，深入浅出地介绍了对于开发者，如何构造 Prompt 并基于 OpenAI 提供的 API 实现包括总结、推断、转换等多种常用功能，是入门 LLM 开发的经典教程；《Building Systems with the ChatGPT API》、《LangChain for LLM Application Development》教程面向想要基于 LLM 开发应用程序的开发者，简洁有效而又系统全面地介绍了如何基于 LangChain 与 ChatGPT API 开发具备实用功能的应用程序，适用于开发者学习以开启基于 LLM 实际搭建应用程序之路。因此，我们将该系列课程翻译为中文，并复现其范例代码，也为其中一个视频增加了中文字幕，支持国内中文学习者直接使用，以帮助中文学习者更好地学习 LLM 开发；我们也同时实现了效果大致相当的中文 Prompt，支持学习者感受中文语境下 LLM 的学习使用。未来，我们也将加入更多 Prompt 高级技巧，以丰富本课程内容，帮助开发者掌握更多、更巧妙的 Prompt 技能。
+LLM 正在逐步改变人们的生活，而对于开发者，如何基于 LLM 提供的 API 快速、便捷地开发一些具备更强能力、集成LLM 的应用，来便捷地实现一些更新颖、更实用的能力，是一个急需学习的重要能力。
+
+由吴恩达老师与 OpenAI 合作推出的大模型系列教程，从大模型时代开发者的基础技能出发，深入浅出地介绍了如何基于大模型 API、LangChain 架构快速开发结合大模型强大能力的应用。其中，《Prompt Engineering for Developers》教程面向入门 LLM 的开发者，深入浅出地介绍了对于开发者，如何构造 Prompt 并基于 OpenAI 提供的 API 实现包括总结、推断、转换等多种常用功能，是入门 LLM 开发的经典教程；《Building Systems with the ChatGPT API》教程面向想要基于 LLM 开发应用程序的开发者，简洁有效而又系统全面地介绍了如何基于 ChatGPT API 打造完整的对话系统；《LangChain for LLM Application Development》教程结合经典大模型开源框架 LangChain，介绍了如何基于 LangChain 框架开发具备实用功能、能力全面的应用程序，《LangChain Chat With Your Data》教程则在此基础上进一步介绍了如何使用 LangChain 架构结合个人私有数据开发个性化大模型应用。
+
+上述教程非常适用于开发者学习以开启基于 LLM 实际搭建应用程序之路。因此，我们将该系列课程翻译为中文，并复现其范例代码，也为其中一个视频增加了中文字幕，支持国内中文学习者直接使用，以帮助中文学习者更好地学习 LLM 开发；我们也同时实现了效果大致相当的中文 Prompt，支持学习者感受中文语境下 LLM 的学习使用，对比掌握多语言语境下的 Prompt 设计与 LLM 开发。未来，我们也将加入更多 Prompt 高级技巧，以丰富本课程内容，帮助开发者掌握更多、更巧妙的 Prompt 技能。
 
 ## 项目受众
 
@@ -78,7 +82,7 @@ LLM 正在逐步改变人们的生活，而对于开发者，如何基于 LLM
 
 ## 项目亮点
 
-《ChatGPT Prompt Engineering for Developers》、《Building Systems with the ChatGPT API》、《LangChain for LLM Application Development》等教程作为由吴恩达老师与 OpenAI 联合推出的官方教程，在可预见的未来会成为 LLM 的重要入门教程，但是目前还只支持英文版且国内访问受限，打造中文版且国内流畅访问的教程具有重要意义；同时，GPT 对中文、英文具有不同的理解能力，本教程在多次对比、实验之后确定了效果大致相当的中文 Prompt，支持学习者研究如何提升 ChatGPT 在中文语境下的理解与生成能力。
+《ChatGPT Prompt Engineering for Developers》、《Building Systems with the ChatGPT API》、《LangChain for LLM Application Development》、《LangChain Chat with Your Data》等教程作为由吴恩达老师与 OpenAI 联合推出的官方教程，在可预见的未来会成为 LLM 的重要入门教程，但是目前还只支持英文版且国内访问受限，打造中文版且国内流畅访问的教程具有重要意义；同时，GPT 对中文、英文具有不同的理解能力，本教程在多次对比、实验之后确定了效果大致相当的中文 Prompt，支持学习者研究如何提升 ChatGPT 在中文语境下的理解与生成能力。
 
 ## 内容大纲
 
@@ -132,8 +136,23 @@ LLM 正在逐步改变人们的生活，而对于开发者，如何基于 LLM
 6. 评估 Evaluation @苟晓攀
 7. 代理 Agent @Joye
 8. 总结 Conclusion @Sarai
+
+ ### 四、使用 LangChain 访问个人数据
+
+ 注：吴恩达《LangChain Chat with Your Data》课程中文版
+
+ **目录：**
+
+1. 简介 Introduction @Joye
+2. 加载文档 Document Loading @Joye
+3. 文档切割 Document Splitting @苟晓攀
+4. 向量数据库与词向量 Vectorstores and Embeddings @Puppet、仲泰
+5. 检索 Retrieval @Puppet
+6. 问答 Question Answering @邹雨衡
+7. 聊天 Chat @高立业
+8. 总结 Summary @高立业
   
-### 四、Prompt 高级技巧（暂未完成）
+### 五、Prompt 高级技巧（暂未完成）
 
 **目录：**
 
@@ -161,11 +180,13 @@ LLM 正在逐步改变人们的生活，而对于开发者，如何基于 LLM
 - [仲泰](https://github.com/ztgg0228)（内容创作者-Datawhale成员）
 - [魂兮](https://github.com/wisdom-pan)（内容创作者-前端工程师）
 - [徐虎](https://github.com/xuhu0115)（内容创作者）
-- [Joye](https://Joyenjoye.com)（内容创作者-数据科学家）
+- [Joye](https://Joyenjoye.com)（内容创作者-教程订正成员-数据科学家）
 - [诸世纪](https://github.com/very-very-very)（内容创作者-算法工程师）
 - [宋志学](https://github.com/KMnO4-zx)（内容创作者-Datawhale成员）
 - Sarai（内容创作者-AI应用爱好者）
-- 陈志宏（内容创作者）
+- Puppet（内容创作者-教程订正成员）
+- 高立业（内容创作者-教程订正成员）
+- AaronZ（内容创作者-教程订正成员）
 
 **其他**
 

content/LangChain Chat with Your Data/do.py

@@ -1,29 +0,0 @@
-import os 
-import codecs
-import json
-
-def add_toc(ipynb_file):
-    f = codecs.open(ipynb_file, 'r')
-    source = f.read()
-    y = json.loads(source)
-    toc = ["\n"]
-    for item in y["cells"]:
-        if item["cell_type"]=='markdown':
-            item_start = item['source'][0].strip("\n")
-            if item_start.startswith("#"):
-                l = len(item_start.split()[0])
-                if l<=3 and l>1: 
-                    name = " ".join(item_start.split(" ")[1:])
-                    tag = "-".join(item_start.split(" ")[1:])
-                    tab = "    "*(l-2)
-                    toc.append(f' {tab}- [{name}](#{tag})\n')     
-
-    y["cells"][0]['source']= y["cells"][0]['source'][0:1]
-    y["cells"][0]['source'].extend(toc)
-    f = codecs.open(ipynb_file, 'w')
-    f.write(json.dumps(y))
-    f.close()
-
-for file in os.listdir("."):
-    if file.endswith("ipynb") and file[0].isdigit():
-        add_toc(file)

content/LangChain Chat with Your Data/readme.md

@@ -1 +1,14 @@
-吴恩达新课程《Langchain Chat with Your Data》
+# 吴恩达新课程《Langchain Chat with Your Data》
+
+吴恩达《LangChain Chat With your Data》课程中文版，主要内容为在 LangChain 应用开发课程基础上，讲解如何使用 LangChain 来整合自己的私有数据，包括：加载并切割本地文档；向量数据库与词向量；检索回答；基于私有数据的问答与聊天等。
+
+ **目录：**
+
+1. 简介 Introduction @Joye
+2. 加载文档 Document Loading @Joye
+3. 文档切割 Document Splitting @苟晓攀
+4. 向量数据库与词向量 Vectorstores and Embeddings @Puppet、仲泰
+5. 检索 Retrieval @Puppet
+6. 问答 Question Answering @邹雨衡
+7. 聊天 Chat @高立业
+8. 总结 Summary @高立业