已知线性规划模型如图1所示，使用scipy库的linprog函数求解该模型的代码如图2所示。请仿照示例，构建课堂PPT“线性规划”的例1、例2的线性规划模型，并编程实现。

很抱歉，我无法看到您提供的图1和图2。但是，我可以给您提供一些基本的线性规划模型的构建和求解方法。

首先，我们需要确定线性规划模型的目标函数和约束条件。以例1为例，假设我们要最大化目标函数：

z = 3x1 + 4x2

其中，x1和x2是决策变量。同时，我们需要满足以下约束条件：

- 2x1 + x2 <= 10
- x1 + 2x2 <= 14
- x1, x2 >= 0

其中，第一个约束条件表示生产A产品的原材料和劳动力的限制，第二个约束条件表示生产B产品的原材料和劳动力的限制。最后一个约束条件表示生产量不能为负数。

接下来，我们可以使用scipy库的linprog函数求解上述线性规划模型。代码如下：

from scipy.optimize import linprog

# 目标函数系数
c = [-3, -4]

# 约束条件系数矩阵
A = [[2, 1], [1, 2]]

# 约束条件右侧常数
b = [10, 14]

# 决策变量取值范围
x0_bounds = (0, None)
x1_bounds = (0, None)

# 调用linprog函数求解线性规划模型
res = linprog(c, A_ub=A, b_ub=b, bounds=[x0_bounds, x1_bounds])

print(res)

其中，c表示目标函数系数，A表示约束条件系数矩阵，b表示约束条件右侧常数。bounds参数用于指定决策变量的取值范围。最后，我们可以通过res.x和res.fun分别获取最优解和最优值。

对于例2，可以按照类似的方法构建线性规划模型，并使用linprog函数求解。