Instructor 教程

• 学习路径

  遵循我们精心设计的学习路径，成为 Instructor 专家

  开始学习

• 交互式格式

  在您偏好的环境中运行我们的 Jupyter Notebook

  运行选项

• 技能培养

  获取适用于实际 AI 应用的实用技能

  您将学到什么

• 支持

  在需要时获取帮助

  获取帮助

教程路径

我们的教程遵循精心设计的学习路径，从基础概念到高级应用。每个教程都在之前概念的基础上，引入新的技术。

教程	主题	关键技能	难度
1. 结构化输出介绍	基础提取	Pydantic 模型, 基础提示词工程	🟢 初级
2. 技巧与窍门	最佳实践	高级模型, 优化	🟢 初级
3. 应用: RAG	检索增强生成	信息检索, 上下文处理	🟡 中级
4. 应用: RAG 验证	验证 RAG 输出	质量控制, 验证钩子	🟡 中级
5. 验证技术	深度验证	自定义验证器, 错误处理	🟡 中级
6. 知识图谱	图构建	实体关系, 图可视化	🔴 高级
7. 密度链	摘要技术	迭代细化, 内容密度	🔴 高级
8. 合成数据生成	创建数据集	数据增强, 测试数据	🔴 高级

运行选项

选择您偏好的环境来完成这些交互式 Jupyter Notebook

• 本地运行

  git clone https://github.com/jxnl/instructor.git
  cd instructor
  pip install -e ".[all]"
  jupyter notebook docs/tutorials/
  

• Google Colab

  在每个 Notebook 顶部查找“在 Colab 中打开”按钮

  非常适合云端执行，无需本地设置

• :simple-mybinder: Binder

  点击“启动 Binder”按钮，在浏览器中即时运行

  基本示例无需安装或 API 密钥

学到的技能

完成本系列教程，您将获得以下实用技能：

• 结构化提取: 定义精确捕获所需数据的 Pydantic 模型
• 高级验证: 确保 LLM 输出满足您的数据质量要求
• 流式响应: 使用部分和迭代输出实时处理数据
• 复杂应用: 构建 RAG 系统、知识图谱等
• 多提供商支持: 使用一致的接口与不同的 LLM 提供商协作
• 生产环境技术: 学习适用于实际应用的优化策略

设置要求

开始之前，请确保您已具备以下条件：

• Python 环境: 安装了 Python 3.8+
• 依赖项: 使用 pip install "instructor[all]" 进行安装
• API 密钥: 可访问 OpenAI API 或其他支持的提供商
• 基础知识: 熟悉 Python 和基本的 LLM 概念

获取帮助

我们在此支持您的学习之旅

• 文档: 查看核心概念以获取详细解释
• 常见问题: 浏览我们的常见问题
• 社区: 加入我们的Discord 服务器以获取实时帮助
• 问题: 在GitHub上报告问题
• 示例: 查看 Instructor 的实用示例

• 准备开始了吗？

  通过我们关于结构化输出的第一个教程开始您的旅程

  开始学习