引言欢迎来到LangChain入门教程。在这个快速演变的技术世界中大型语言模型LLM如GPT-3和GPT-4正改变我们与机器交流的方式。LangChain一个开源框架旨在简化这些强大模型的集成与应用。本教程将引导初学者了解LangChain的基本概念掌握其安装与配置并探索构建语言模型应用程序的基本步骤。通过本教程你将获得必要的知识基础以便在AI领域进一步探索和创新。让我们开始吧LangChain概述在深入LangChain的细节之前我们需要理解这个框架的核心价值和它在现代软件开发中的位置。什么是LangChainLangChain是一个专为大型语言模型LLM设计的应用程序开发框架。它提供了一套工具和接口使开发者能够轻松地将LLM集成到各种应用程序中从而利用这些模型的强大语言理解和生成能力。起源与作用LangChain起源于对简化LLM集成的需求。它不仅支持开发者快速上手还提供了从开发到部署的全流程支持。LangChain的出现使得构建基于LLM的应用程序变得更加高效和直接。核心优势LangChain的主要优势在于其模型接口的统一。它封装了多种LLM的API使得开发者可以无缝切换不同的模型而无需重新编写大量代码。此外LangChain还提供了对提示管理、内存保持和索引等关键功能的优化进一步提升了应用程序的性能和用户体验。通过本章节我们希望你能够对LangChain有一个基本的了解并为接下来的学习打下坚实的基础。接下来我们将深入探讨LangChain的核心组成部分。安装和环境配置为了开始使用LangChain你需要先将其安装到你的开发环境中并进行适当的配置。以下是安装LangChain的步骤和环境配置的指南。安装LangChain安装LangChain可以通过Python的包管理工具pip来完成或者如果你使用的是Anaconda可以使用conda命令。打开你的命令行或终端输入以下命令# 使用pip安装 pip install langchain # 或者使用conda安装需要conda-forge频道 conda install langchain -c conda-forg环境变量设置对于某些API比如OpenAI的API你需要设置环境变量来存储你的API密钥。这可以通过在命令行中输入以下命令来完成以Linux或macOS为例export OPENAI_API_KEY你的API密钥在Windows系统中你可以在“系统属性”的“环境变量”中添加API密钥。推荐的开发环境为了更好地使用LangChain推荐使用Python 3.7或更高版本。此外一个支持Jupyter Notebook或Google Colab的IDE或文本编辑器将有助于你更直观地编写和测试代码。验证安装为了确认LangChain已经成功安装你可以在Python环境中执行以下代码import langchain print(langchain.__version__)如果输出了版本号那么恭喜你LangChain已经成功安装在你的系统上。通过完成这些步骤你已经为使用LangChain打下了基础。接下来的章节将带你深入了解LangChain的核心组件并开始构建你的第一个应用程序。LangChain的核心组成了解LangChain的基本概念后我们将深入探讨其核心组成部分这些组件共同构成了LangChain强大的框架结构。模型Models模型是LangChain中用于处理语言理解和生成任务的心脏。LangChain支持多种类型的模型包括但不限于GPT-3、GPT-4等大型语言模型。模型组件允许开发者轻松集成不同的LLM并在应用程序中使用它们。提示Prompts提示管理是LangChain中的一个重要方面它涉及到如何向模型提出问题或请求。LangChain提供了强大的提示优化工具帮助开发者获得更准确的模型响应。此外提示序列化功能使得复杂的对话管理和交互变得更加简单。内存Memory内存组件允许LangChain在链或代理调用之间保持状态。这意味着LangChain可以记住之前的交互从而提供更加连贯和个性化的用户体验。LangChain提供了标准的内存接口和多种内存实现使得状态管理变得灵活而高效。索引Indexes索引模块是LangChain中用于结合自身文本数据的关键部分。通过索引开发者可以将外部数据源与语言模型的能力结合起来从而扩展模型的功能。LangChain提供了执行索引操作的最佳实践和工具使得开发者能够轻松地将数据集成到他们的应用程序中。通过这些核心组件LangChain为开发者提供了一个强大而灵活的平台用于构建各种基于语言模型的应用程序。在接下来的章节中我们将通过实际示例来探索如何使用这些组件。实际应用场景理解了LangChain的核心组件后我们将通过一些实际应用场景来展示LangChain是如何在现实世界中发挥作用的。与OpenAI API的集成LangChain的一个主要用途是与OpenAI的API进行集成。通过使用LangChain开发者可以轻松地将OpenAI的强大语言模型功能嵌入到他们的应用程序中。例如你可以创建一个聊天机器人它可以回答用户的问题或者一个内容生成器它可以基于用户的输入生成文章。案例分析让我们来看一个简单的案例假设你想构建一个能够自动回复客户咨询的聊天机器人。使用LangChain你可以集成OpenAI的GPT-3模型并设置特定的提示来引导模型生成合适的回复。LangChain的内存组件可以帮助聊天机器人记住之前的对话内容从而提供更加连贯的交流体验。从概念到实践要实现这样的应用你需要按照以下步骤操作安装LangChain如前所述通过pip或conda安装LangChain。获取API密钥注册OpenAI账号并获取API密钥。编写代码使用LangChain的模型和提示组件来编写聊天机器人的逻辑。测试和优化运行你的应用程序并根据反馈进行优化。进一步探索LangChain的灵活性意味着你可以在此基础上添加更多功能比如集成其他数据源或者使用索引模块来增强模型的理解和生成能力。通过这些实际应用场景我们可以看到LangChain如何帮助开发者利用大型语言模型的强大功能创造出有价值的应用程序。在下一章节中我们将通过示例代码来具体展示如何使用LangChain。示例代码和操作在这一章节中我们将通过一些简单的示例代码来展示如何使用LangChain进行基本操作。这将帮助你理解如何在实际编程中应用LangChain。示例1初始化LangChain并发送请求以下是一个简单的Python脚本展示了如何初始化LangChain并使用它向一个语言模型发送请求。from langchain.llms import OpenAI # 初始化OpenAI模型model OpenAI(api_key你的API密钥) # 发送请求并获取响应response model.generate(prompt你好我想了解更多关于LangChain的信息。) print(response)示例2使用内存组件保持对话状态LangChain允许你在对话中保持状态这样模型就可以根据之前的交互生成更连贯的回复。下面是一个使用内存组件的示例。from langchain.memory import MemoryStore # 创建一个内存存储实例memory_store MemoryStore() # 假设我们已经有了一个对话历史conversation_history 用户你好我想了解更多关于LangChain的信息。\n模型你好LangChain是一个...# 更新内存状态 memory_store.update(conversation_history) # 使用更新后的内存状态生成新的回复response model.generate(prompt用户谢谢你的解释。, memorymemory_store) print(response)示例3结合索引模块处理外部数据LangChain的索引模块可以帮助你将外部数据与语言模型的能力结合起来。以下是一个使用索引模块的示例。from langchain.indexes import InMemoryIndex # 创建一个索引实例index InMemoryIndex() # 添加一些数据到索引中 index.add_entry(LangChain, {description: 一个用于构建语言模型应用程序的框架。}) # 使用索引中的数据生成回复 response model.generate(prompt请描述LangChain。, indexes[index]) print(response)通过这些示例我们可以看到LangChain如何简化与语言模型的交互并利用其核心组件来构建更复杂的应用程序。这些代码示例可以作为你开始使用LangChain的起点。结论和后续学习在本教程中我们介绍了LangChain的基本概念从它的起源和核心优势到其核心组件和实际应用场景。我们还通过示例代码了解了如何在实际编程中使用LangChain。结论LangChain作为一个强大的框架为开发者提供了一个简单而高效的方式来利用大型语言模型。无论是构建聊天机器人、内容生成器还是其他复杂的语言处理应用LangChain都提供了必要的工具和接口。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
LangChain入门教程：从零开始构建智能对话机器人，轻松玩转LLM！
引言欢迎来到LangChain入门教程。在这个快速演变的技术世界中大型语言模型LLM如GPT-3和GPT-4正改变我们与机器交流的方式。LangChain一个开源框架旨在简化这些强大模型的集成与应用。本教程将引导初学者了解LangChain的基本概念掌握其安装与配置并探索构建语言模型应用程序的基本步骤。通过本教程你将获得必要的知识基础以便在AI领域进一步探索和创新。让我们开始吧LangChain概述在深入LangChain的细节之前我们需要理解这个框架的核心价值和它在现代软件开发中的位置。什么是LangChainLangChain是一个专为大型语言模型LLM设计的应用程序开发框架。它提供了一套工具和接口使开发者能够轻松地将LLM集成到各种应用程序中从而利用这些模型的强大语言理解和生成能力。起源与作用LangChain起源于对简化LLM集成的需求。它不仅支持开发者快速上手还提供了从开发到部署的全流程支持。LangChain的出现使得构建基于LLM的应用程序变得更加高效和直接。核心优势LangChain的主要优势在于其模型接口的统一。它封装了多种LLM的API使得开发者可以无缝切换不同的模型而无需重新编写大量代码。此外LangChain还提供了对提示管理、内存保持和索引等关键功能的优化进一步提升了应用程序的性能和用户体验。通过本章节我们希望你能够对LangChain有一个基本的了解并为接下来的学习打下坚实的基础。接下来我们将深入探讨LangChain的核心组成部分。安装和环境配置为了开始使用LangChain你需要先将其安装到你的开发环境中并进行适当的配置。以下是安装LangChain的步骤和环境配置的指南。安装LangChain安装LangChain可以通过Python的包管理工具pip来完成或者如果你使用的是Anaconda可以使用conda命令。打开你的命令行或终端输入以下命令# 使用pip安装 pip install langchain # 或者使用conda安装需要conda-forge频道 conda install langchain -c conda-forg环境变量设置对于某些API比如OpenAI的API你需要设置环境变量来存储你的API密钥。这可以通过在命令行中输入以下命令来完成以Linux或macOS为例export OPENAI_API_KEY你的API密钥在Windows系统中你可以在“系统属性”的“环境变量”中添加API密钥。推荐的开发环境为了更好地使用LangChain推荐使用Python 3.7或更高版本。此外一个支持Jupyter Notebook或Google Colab的IDE或文本编辑器将有助于你更直观地编写和测试代码。验证安装为了确认LangChain已经成功安装你可以在Python环境中执行以下代码import langchain print(langchain.__version__)如果输出了版本号那么恭喜你LangChain已经成功安装在你的系统上。通过完成这些步骤你已经为使用LangChain打下了基础。接下来的章节将带你深入了解LangChain的核心组件并开始构建你的第一个应用程序。LangChain的核心组成了解LangChain的基本概念后我们将深入探讨其核心组成部分这些组件共同构成了LangChain强大的框架结构。模型Models模型是LangChain中用于处理语言理解和生成任务的心脏。LangChain支持多种类型的模型包括但不限于GPT-3、GPT-4等大型语言模型。模型组件允许开发者轻松集成不同的LLM并在应用程序中使用它们。提示Prompts提示管理是LangChain中的一个重要方面它涉及到如何向模型提出问题或请求。LangChain提供了强大的提示优化工具帮助开发者获得更准确的模型响应。此外提示序列化功能使得复杂的对话管理和交互变得更加简单。内存Memory内存组件允许LangChain在链或代理调用之间保持状态。这意味着LangChain可以记住之前的交互从而提供更加连贯和个性化的用户体验。LangChain提供了标准的内存接口和多种内存实现使得状态管理变得灵活而高效。索引Indexes索引模块是LangChain中用于结合自身文本数据的关键部分。通过索引开发者可以将外部数据源与语言模型的能力结合起来从而扩展模型的功能。LangChain提供了执行索引操作的最佳实践和工具使得开发者能够轻松地将数据集成到他们的应用程序中。通过这些核心组件LangChain为开发者提供了一个强大而灵活的平台用于构建各种基于语言模型的应用程序。在接下来的章节中我们将通过实际示例来探索如何使用这些组件。实际应用场景理解了LangChain的核心组件后我们将通过一些实际应用场景来展示LangChain是如何在现实世界中发挥作用的。与OpenAI API的集成LangChain的一个主要用途是与OpenAI的API进行集成。通过使用LangChain开发者可以轻松地将OpenAI的强大语言模型功能嵌入到他们的应用程序中。例如你可以创建一个聊天机器人它可以回答用户的问题或者一个内容生成器它可以基于用户的输入生成文章。案例分析让我们来看一个简单的案例假设你想构建一个能够自动回复客户咨询的聊天机器人。使用LangChain你可以集成OpenAI的GPT-3模型并设置特定的提示来引导模型生成合适的回复。LangChain的内存组件可以帮助聊天机器人记住之前的对话内容从而提供更加连贯的交流体验。从概念到实践要实现这样的应用你需要按照以下步骤操作安装LangChain如前所述通过pip或conda安装LangChain。获取API密钥注册OpenAI账号并获取API密钥。编写代码使用LangChain的模型和提示组件来编写聊天机器人的逻辑。测试和优化运行你的应用程序并根据反馈进行优化。进一步探索LangChain的灵活性意味着你可以在此基础上添加更多功能比如集成其他数据源或者使用索引模块来增强模型的理解和生成能力。通过这些实际应用场景我们可以看到LangChain如何帮助开发者利用大型语言模型的强大功能创造出有价值的应用程序。在下一章节中我们将通过示例代码来具体展示如何使用LangChain。示例代码和操作在这一章节中我们将通过一些简单的示例代码来展示如何使用LangChain进行基本操作。这将帮助你理解如何在实际编程中应用LangChain。示例1初始化LangChain并发送请求以下是一个简单的Python脚本展示了如何初始化LangChain并使用它向一个语言模型发送请求。from langchain.llms import OpenAI # 初始化OpenAI模型model OpenAI(api_key你的API密钥) # 发送请求并获取响应response model.generate(prompt你好我想了解更多关于LangChain的信息。) print(response)示例2使用内存组件保持对话状态LangChain允许你在对话中保持状态这样模型就可以根据之前的交互生成更连贯的回复。下面是一个使用内存组件的示例。from langchain.memory import MemoryStore # 创建一个内存存储实例memory_store MemoryStore() # 假设我们已经有了一个对话历史conversation_history 用户你好我想了解更多关于LangChain的信息。\n模型你好LangChain是一个...# 更新内存状态 memory_store.update(conversation_history) # 使用更新后的内存状态生成新的回复response model.generate(prompt用户谢谢你的解释。, memorymemory_store) print(response)示例3结合索引模块处理外部数据LangChain的索引模块可以帮助你将外部数据与语言模型的能力结合起来。以下是一个使用索引模块的示例。from langchain.indexes import InMemoryIndex # 创建一个索引实例index InMemoryIndex() # 添加一些数据到索引中 index.add_entry(LangChain, {description: 一个用于构建语言模型应用程序的框架。}) # 使用索引中的数据生成回复 response model.generate(prompt请描述LangChain。, indexes[index]) print(response)通过这些示例我们可以看到LangChain如何简化与语言模型的交互并利用其核心组件来构建更复杂的应用程序。这些代码示例可以作为你开始使用LangChain的起点。结论和后续学习在本教程中我们介绍了LangChain的基本概念从它的起源和核心优势到其核心组件和实际应用场景。我们还通过示例代码了解了如何在实际编程中使用LangChain。结论LangChain作为一个强大的框架为开发者提供了一个简单而高效的方式来利用大型语言模型。无论是构建聊天机器人、内容生成器还是其他复杂的语言处理应用LangChain都提供了必要的工具和接口。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
