GenAI for .NET Build LLM Apps with OpenAI and Ollama

На этом практическом курсе вы научитесь интегрировать OpenAI Ollama и новые библиотеки абстракции Microsoft-Extensions-AI MEAI для .NET в широкий спектр приложений на основе генеративного искусственного интеллекта от чат-ботов и семантического поиска до генерации с дополненным поиском Retrieval-Augmented Generation RAG и анализа изображений. В ходе курса вы узнаете: Экосистема NET ИИ: вы узнаете о новых библиотеках абстракций от Microsoft таких как Microsoft-Extensions-AI которые упрощают интеграцию и переключение между различными поставщиками больших языковых моделей такими как OpenAI Azure AI Ollama и даже локальными моделями. Настройка поставщиков больших языковых моделей: настройте поставщиков больших языковых моделей таких как GitHub Models Ollama и Azure AI Foundry чтобы выбрать наиболее подходящий вариант для вашего сценария использования. Модель LLM для завершения текста с использованием моделей GitHub OpenAI gpt-5-mini и Ollama llama3.2 Model model: Вы узнаете как использовать .NET для интеграции моделей LLM и реализации таких сценариев как классификация обобщение извлечение данных обнаружение аномалий перевод и анализ тональности. Создайте приложение для общения с искусственным интеллектом с помощью .NET и модели gpt-5-mini: Вы разработаете систему обмена сообщениями на основе диалога с использованием LLM и пользователя в которой искусственный интеллект сохраняет контекст при смене пользователя. При разработке приложения для чата с искусственным интеллектом мы будем использовать функции потоковой передачи чата. Вызов функции с помощью .NET и модели gpt-5-mini: Разработайте функцию которая будет запускаться с помощью OpenAI GPT-5-mini. Модель возвращает структурированный JSON-файл с указанием вызываемой функции .NET и аргументами для получения данных в режиме реального времени. Векторный поиск в NET AI с использованием векторных вложений и Vector Store: мы также расскажем о векторном поиске мощной функции которая позволяет осуществлять семантический поиск по смыслу а не по ключевым словам. Вы научитесь: Сгенерируйте эмбеддинги с помощью модели text-embedding-3-small от OpenAI или модели эмбеддингов Ollama all-MiniLM Сохраните их в векторной базе данных например в Qdrant Выполните запрос к векторному хранилищу с пользовательскими эмбеддингами чтобы найти наиболее похожие варианты Получите релевантные данные на основе поиска по сходству и все это в наших приложениях .NET. RAG генерация с дополненным поиском с помощью .NET Вы узнаете как объединять результаты векторного поиска с ответами больших языковых моделей чтобы: Извлекайте релевантные данные из собственных источников Разбивайте документы на фрагменты встраивайте их сохраняйте в векторной базе данных Во время запроса встраивайте вопрос извлекайте релевантные фрагменты передавайте их вместе с запросом пользователя в большую языковую модель Получайте точные ответы с учетом контекста используя внутренние данные большой языковой модели,

#