├── 00 直播回放
│ ├── 01 第一次直播答疑回放 (105.34 MB)
│ ├── 02 直播梳理LLM原理01 (117.12 MB)
│ ├── 03 直播-LLM原理02 (211.94 MB)
│ ├── 04 直播-LLM原理-03 (30.21 MB)
│ ├── 05 重学langchain01 (149.87 MB)
│ ├── 06 重学langchain02 (168.97 MB)
│ ├── 07 1.19看看行情 (147.07 MB)
│ ├── 08 1.19看看行情 (94.85 MB)
│ ├── 09 1.27回放 什么是Skills (70.09 MB)
│ ├── 10 2.9 面试辅导01 (112.47 MB)
│ ├── 11 2.9 面试辅导02 (154.06 MB)
│ ├── 12 2.9面试辅导03 (71.78 MB)
│ ├── 13 3.2 评测集解析 (151.36 MB)
│ ├── 14 3.2 面试题解读 (86.76 MB)
│ ├── 15 3.4 如何用Ai写自己定制化业务的简历01 (170.16 MB)
│ ├── 16 3.4 如何用Ai写定制化的业务简历 02 (32.11 MB)
│ ├── 17 3.8 字节面试题赏析 (139.05 MB)
│ ├── 18 3.8 xixi同学模拟面试 (121.55 MB)
│ ├── 19 3.16 鸭哥26k真题解析 01 (110.80 MB)
│ └── 20 3.16 鸭哥26k真题解析 02 (75.79 MB)
├── 01 课程导学
│ ├── 01 Ai的十年我们如何快速成长起来？.mp4 (169.92 MB)
│ ├── 02 课程导学（前端赠送视频不包含在本课程内，本课程是AI架构课内容）.mp4 (44.45 MB)
│ ├── 03 如何交作业？.mp4 (18.74 MB)
│ ├── 04 0基础同学看01.mp4 (84.74 MB)
│ └── 05 0基础同学看02.mp4 (67.45 MB)
├── 02 Python从入门到精通(新版)
│ ├── 01 课程导学.mp4 (34.33 MB)
│ ├── 02 python环境管理与选型.mp4 (38.44 MB)
│ ├── 03 安装conda环境.mp4 (90.73 MB)
│ ├── 04 使用conda安装python312.mp4 (35.90 MB)
│ ├── 05 python环境激活.mp4 (41.19 MB)
│ ├── 06 hello world.mp4 (45.85 MB)
│ ├── 07 如何理解变量？.mp4 (35.37 MB)
│ ├── 08 变量命名规范.mp4 (40.22 MB)
│ ├── 09 python中的整数和浮点数运算.mp4 (49.45 MB)
│ ├── 10 python中的布尔类型.mp4 (31.71 MB)
│ ├── 11 python中的字符串操作.mp4 (53.88 MB)
│ ├── 12 python中的一些字符串方法.mp4 (62.57 MB)
│ ├── 13 什么是None？.mp4 (47.65 MB)
│ ├── 14 类型转换与检查.mp4 (38.82 MB)
│ ├── 15 python中的运算符.mp4 (20.80 MB)
│ ├── 16 is和==的区别？.mp4 (75.65 MB)
│ ├── 17 位运算符(1).mp4 (17.12 MB)
│ ├── 17 位运算符.mp4 (17.12 MB)
│ ├── 18 列表.mp4 (40.69 MB)
│ ├── 19 对列表进行增删改查.mp4 (43.38 MB)
│ ├── 20 列表切片与排序(1).mp4 (31.70 MB)
│ ├── 20 列表切片与排序.mp4 (31.70 MB)
│ ├── 21 深拷贝和浅拷贝的区别.mp4 (61.04 MB)
│ ├── 22 元组(1).mp4 (33.01 MB)
│ ├── 22 元组.mp4 (33.01 MB)
│ ├── 23 字典.mp4 (52.37 MB)
│ ├── 24 字典的各种遍历方法.mp4 (55.16 MB)
│ ├── 25 什么是json？.mp4 (18.87 MB)
│ ├── 26 集合.mp4 (57.69 MB)
│ ├── 27 推导式.mp4 (17.05 MB)
│ ├── 28 条件判断.mp4 (33.02 MB)
│ ├── 29 三元表达式.mp4 (24.30 MB)
│ ├── 30 for循环和range.mp4 (29.91 MB)
│ ├── 31 while循环01.mp4 (10.42 MB)
│ ├── 32 while循环02.mp4 (40.22 MB)
│ ├── 33 break continue.mp4 (42.52 MB)
│ ├── 34 match case匹配.mp4 (26.42 MB)
│ ├── 35 嵌套for循环.mp4 (9.31 MB)
│ ├── 36 函数的定义与Ai场景.mp4 (77.69 MB)
│ ├── 37 函数的参数.mp4 (28.97 MB)
│ ├── 38 可变参数.mp4 (26.45 MB)
│ ├── 39 函数的多个返回值.mp4 (15.31 MB)
│ ├── 40 LEGB作用域规则.mp4 (64.82 MB)
│ ├── 41 作用域与闭包.mp4 (43.81 MB)
│ ├── 42 匿名函数.mp4 (17.63 MB)
│ ├── 43 模块导入方式.mp4 (66.06 MB)
│ ├── 44 自定义模块.mp4 (90.86 MB)
│ ├── 45 模块中的name与main.mp4 (47.49 MB)
│ ├── 46 __init__ py的作用.mp4 (32.48 MB)
│ ├── 47 相对路径和绝对路径包导入.mp4 (21.80 MB)
│ ├── 48 __all__的作用.mp4 (22.98 MB)
│ ├── 49 为何做Ai应用开发不推荐使用Conda.mp4 (36.79 MB)
│ ├── 50 conda包管理.mp4 (46.93 MB)
│ ├── 51 pip包管理.mp4 (23.69 MB)
│ ├── 52 UV包管理方式.mp4 (52.17 MB)
│ ├── 53 在编辑器中切换uv环境.mp4 (19.77 MB)
│ └── 54 什么是Venv.mp4 (19.91 MB)
├── 02 Python入门到精通（Ai定制版）
│ ├── 01 conda环境安装.mp4 (59.27 MB)
│ ├── 02 conda和python venv虚拟环境的区别？.mp4 (63.02 MB)
│ ├── 03 conda的一些常用命令.mp4 (38.94 MB)
│ ├── 04 trae编辑器配置.mp4 (35.32 MB)
│ ├── 05 遇到conda初始化报错的问题解决.mp4 (23.78 MB)
│ ├── 06 python和js有什么本质区别？.mp4 (95.08 MB)
│ ├── 07 python为什么不做JIT性能优化？.mp4 (55.25 MB)
│ ├── 08 python迎来新的反转加入JIT.mp4 (79.21 MB)
│ ├── 09 Pyhton和JS JIT运行机制的区别？.mp4 (53.39 MB)
│ ├── 10 Python的前两行恶心的代码在干啥？.mp4 (48.83 MB)
│ ├── 11 python基本数据类型.mp4 (75.76 MB)
│ ├── 12 python蛋疼的小整数问题.mp4 (88.23 MB)
│ ├── 13 浮点数为什么计算不精准？.mp4 (70.91 MB)
│ ├── 14 python中字符串的一些常用方法.mp4 (115.29 MB)
│ ├── 15 列表和元组的使用.mp4 (92.34 MB)
│ ├── 16 字典的使用.mp4 (112.15 MB)
│ ├── 17 字典的items操作.mp4 (11.73 MB)
│ ├── 18 set的用法.mp4 (64.10 MB)
│ ├── 19 流程控制.mp4 (20.69 MB)
│ ├── 20 python中的遍历.mp4 (38.90 MB)
│ ├── 21 python中恶心的推导式.mp4 (59.05 MB)
│ ├── 22 python中的try except错误处理.mp4 (71.33 MB)
│ ├── 23 python常用的内置包.mp4 (34.38 MB)
│ ├── 24 python第三方包安装与导入.mp4 (31.84 MB)
│ ├── 25 python Class初探.mp4 (23.09 MB)
│ ├── 26 Class的私有属性.mp4 (21.40 MB)
│ ├── 27 继承多态与鸭子类型.mp4 (31.11 MB)
│ ├── 28 __slot__限制实例 的属性.mp4 (9.56 MB)
│ ├── 29 property装饰器和只读属性.mp4 (18.44 MB)
│ ├── 30 python中的多重继承.mp4 (24.77 MB)
│ ├── 31 python的文件读写.mp4 (63.23 MB)
│ ├── 32 python的异步文件读写.mp4 (41.61 MB)
│ ├── 33 使用多线程进行并发请求.mp4 (62.24 MB)
│ ├── 34 使用多进程cpu密集计算优化性能.mp4 (41.67 MB)
│ ├── 35 环境变量管理.mp4 (47.84 MB)
│ ├── 36 日志管理.mp4 (64.44 MB)
│ ├── 37 装饰器的使用.mp4 (23.95 MB)
│ ├── 38 生成器的使用与应用场景.mp4 (33.20 MB)
│ ├── 39 迭代器和生成器的核心区别.mp4 (31.46 MB)
│ └── 40 Iterator的案例演示.mp4 (19.12 MB)
├── 03 0基础到Ai衔接部分
│ ├── 01 0基础为什么自己学不会Ai？.mp4 (9.73 MB)
│ ├── 02 前端和后台到底是啥玩意？.mp4 (81.90 MB)
│ ├── 03 html、css、js分别作用是啥？.mp4 (81.32 MB)
│ ├── 04 如何系统性学习前端.mp4 (9.84 MB)
│ ├── 05 后台是什么，如何和前端通信的？.mp4 (79.44 MB)
│ ├── 06 后台如何系统学习？.mp4 (31.92 MB)
│ └── 07 什么是Ai应用？.mp4 (65.69 MB)
├── 04 Ai Agent技术栈概览
│ ├── 01 到底什么是Ai应用？ (47.43 MB)
│ ├── 02 Ai应用目前的主流形态 (32.58 MB)
│ ├── 03 Ai购买机票业务流程梳理 (46.10 MB)
│ ├── 04 我们Ai应用学习的重点 (38.00 MB)
│ ├── 05 Rag到底是什么？ (22.11 MB)
│ ├── 06 LLM选型与对比 (39.03 MB)
│ ├── 07 LLM在Ai应用中目前充当什么角色？ (22.15 MB)
│ ├── 08 prompt提示词的5大要素 (24.02 MB)
│ ├── 09 什么是MCP？ (46.36 MB)
│ └── 10 LangChian的作用？ (26.75 MB)
├── 05 深入理解LLM原理
│ ├── 01 LLM原理学习思路 (40.80 MB)
│ ├── 02 神经网络如何用向量解决语义问题？ (48.71 MB)
│ ├── 03 神经网络的参数与权重设计 (67.34 MB)
│ ├── 04 什么是反向传播？ (60.18 MB)
│ ├── 05 如何解决过拟合的问题？ (38.30 MB)
│ ├── 06 数据标注是反向传播吗？ (61.58 MB)
│ ├── 07 什么梯度下降？解决了什么问题 (52.57 MB)
│ ├── 08 神经网络调参的目的到底是什么？ (30.74 MB)
│ ├── 09 LLM模型训练的核心流程 (60.52 MB)
│ ├── 10 LLM的参数越多越聪明吗？ (29.08 MB)
│ ├── 11 LLM参数到底作用于学习还是回答阶段？ (23.73 MB)
│ ├── 12 LLM如何回答床前明月光下一句？ (35.03 MB)
│ ├── 13 什么是蒸馏模型？ (76.27 MB)
│ ├── 14 700亿参数的LLM大概需要什么配置的机器跑？ (52.05 MB)
│ ├── 15 为什么LLM需要大量GPU运算？ (101.51 MB)
│ ├── 16 什么前馈神经网络？解决什么问题 (34.98 MB)
│ ├── 17 transformer架构中的残差连接 (28.87 MB)
│ ├── 18 transformer中的问责机制 (27.49 MB)
│ ├── 19 GPT为什么是纯解码器方案？ (49.22 MB)
│ ├── 20 解码器+编码器的混合架构为什么不是主流？ (62.51 MB)
│ ├── 21 LLM中的自回归 (16.16 MB)
│ ├── 22 无监督学习的两种常见方案 (22.22 MB)
│ ├── 23 为什么主流大模型都用NTP方案？ (47.54 MB)
│ ├── 24 指令微调解决的核心问题 (25.20 MB)
│ ├── 25 奖励打分机制和强化学习的核心区别？ (59.09 MB)
│ ├── 26 700亿模型训练大概需要花多少成本？ (38.55 MB)
│ ├── 27 Rag属于强化学习范畴吗？ (13.58 MB)
│ ├── 28 大模型的安全与合规性 (22.07 MB)
│ ├── 29 LLM神奇的涌现 (58.95 MB)
│ ├── 30 如何理解LLM上下文窗口？ (56.28 MB)
│ ├── 31 当问答太多，上下文不够咋办？ (56.30 MB)
│ ├── 32 LLM为什么对话轮数变多了会变蠢？ (42.15 MB)
│ ├── 33 LLM是如何配合Rag工作的？ (17.52 MB)
│ ├── 34 LLM是如何识别图像的？学习和训练过程 (39.85 MB)
│ ├── 35 transformer进行VIT图像处理的核心流程 (35.11 MB)
│ ├── 36 LLM是如何学习和训练音频的？ (64.01 MB)
│ └── 37 LLM是如何理解和学习视频的？ (48.57 MB)
├── 06 LLM API系统设计
│ ├── 01 LLM Api目前主流技术方案 (63.44 MB)
│ ├── 02 LLM Api购买 (42.72 MB)
│ ├── 03 安装SDK环境与技术选型 (34.92 MB)
│ ├── 04 图片识别的应用场景 (35.37 MB)
│ ├── 05 数据的结构化处理 (21.48 MB)
│ ├── 06 使用系统提示词进行结构化输出 (14.54 MB)
│ ├── 07 系统提示词和用户提示词的区别？ (25.53 MB)
│ ├── 08 大模型如何保持历史会话？ (11.44 MB)
│ ├── 09 如何追加assistant历史回复？ (23.12 MB)
│ ├── 10 真实后端业务场景中提问追加如何设计？ (36.52 MB)
│ ├── 11 LLM对回复进行stream流式输出 (12.13 MB)
│ ├── 12 LLM调用工具方法逐行解读 (70.12 MB)
│ ├── 13 为什么非深度思考会产生幻觉？ (56.53 MB)
│ ├── 14 如何看到LLM的深度思考过程 (30.36 MB)
│ ├── 15 一些常见优化建议 (24.44 MB)
│ ├── 16 调节思考长度 (25.56 MB)
│ ├── 17 回答长度和思维链长度限制 (67.22 MB)
│ ├── 18 续写模式的应用场景 (35.68 MB)
│ ├── 19 对JSON进行续写 (15.62 MB)
│ ├── 20 对续写模式的残缺json进行修复 (41.52 MB)
│ ├── 21 如果回复达到限制如何进行续写？ (68.73 MB)
│ ├── 22 如果输入和输出都超过长度限制如何处理？ (15.05 MB)
│ ├── 23 使用json schema进行格式化输出 (37.86 MB)
│ ├── 24 使用json object模型格式化输出 (23.41 MB)
│ ├── 25 Respense Api和Chat Api的区别？ (29.39 MB)
│ ├── 26 本地图片解析与错误排查技巧 (50.70 MB)
│ ├── 27 使用Files Api解析图片 (68.27 MB)
│ ├── 28 在线图片url解析 (23.11 MB)
│ ├── 29 图片的多种解析方式以及图片消耗token计算 (65.99 MB)
│ ├── 30 使用流式输出查看图片解析消耗的token (47.61 MB)
│ ├── 30 使用流式输出查看图片解析消耗的token(1) (47.61 MB)
│ ├── 31 多模态中视频的解析与原理 (75.73 MB)
│ ├── 32 标注图片的位置 (92.02 MB)
│ ├── 32 标注图片的位置(1) (92.02 MB)
│ ├── 33 Reponse Api缓存机制 (60.50 MB)
│ ├── 34 session缓存和前缀缓存的区别？ (75.87 MB)
│ ├── 35 LLM联网搜索 (99.28 MB)
│ ├── 36 联网搜索实现边想边搜功能 (47.14 MB)
│ ├── 37 开通新的模型提供image工具调用能力 (79.00 MB)
│ ├── 38 使用image工具数草莓 (39.29 MB)
│ └── 39 提示词prompt优化思路 (94.20 MB)
├── 07 Rag检索增强架构设计
│ ├── 01 到底什么Rag检索增强？ (27.08 MB)
│ ├── 02 市面主流Ai应用架构设计解析 (66.47 MB)
│ └── 03 为什么现在云服务是主流趋势？ (26.28 MB)
├── 08 向量数据库原理解析
│ ├── 01 到底什么是向量？ (29.22 MB)
│ ├── 02 点乘查询机制 (19.63 MB)
│ ├── 03 向量数据库的索引机制 (34.94 MB)
│ ├── 04 数据最终变成向量的产物与特征 (10.19 MB)
│ ├── 05 数据转化向量的核心算法 (54.40 MB)
│ ├── 06 向量查询点乘算法机制 (19.66 MB)
│ ├── 07 向量维度是越多越好吗？ (17.94 MB)
│ ├── 08 一本10w字的书是如何进行向量化的？ (25.90 MB)
│ ├── 09 返回的内容太长了怎么办？ (98.47 MB)
│ ├── 10 面试的核心是吹解决方案 (46.19 MB)
│ └── 11 大量短句如何向量化？ (52.52 MB)
├── 09（2.0新版）深入浅出LangChain
│ ├── 01 环境准备 (42.21 MB)
│ ├── 02 用一段代码来看langchain的全貌 (41.61 MB)
│ ├── 03 LangChain是什么？ (9.54 MB)
│ ├── 04 agent返回的response包含哪些内容？ (63.34 MB)
│ ├── 05 agent返回的response数据类型到底是什么？ (35.84 MB)
│ ├── 06 中间件中的request到底长啥样？ (87.08 MB)
│ ├── 07 利用中间件动态选择LLM (47.90 MB)
│ ├── 08 提示词进行结构化输出和toolStrategy的区别 (26.97 MB)
│ ├── 09 stream流式输出 (22.54 MB)
│ ├── 10 stream的几种不同模式 (68.68 MB)
│ ├── 11 我控制台的chunk打字机效果是如何实现的？ (73.63 MB)
│ ├── 12 利用tools去查询今天的天气 (60.21 MB)
│ ├── 13 使用value模式对tools调用进行流式输出 (37.82 MB)
│ ├── 14 使用update模式对tools调用进行流式输出 (46.02 MB)
│ ├── 15 message格式定义与建议 (23.50 MB)
│ ├── 16 查看message内部结构到底长啥样？ (102.86 MB)
│ ├── 17 llm Invoke和agent invoke有啥区别？ (24.04 MB)
│ ├── 18 tools状态传递的三种方式 (49.35 MB)
│ ├── 19 tools合并优化性能监控 (48.26 MB)
│ ├── 20 tools调用性能优化从28s到9s (75.85 MB)
│ ├── 21 max token的核心作用 (30.15 MB)
│ ├── 22 看LLM的决策推理和调用tools的过程 (14.72 MB)
│ ├── 23 短期记忆state的metadata解析 (57.74 MB)
│ ├── 24 短期记忆state全量数据解析 (51.67 MB)
│ ├── 25 内置工具解读01 (58.39 MB)
│ ├── 26 内置工具解读02 (117.85 MB)
│ ├── 27 agent调用的生命周期 (19.27 MB)
│ ├── 28 wrap tools和model的生命周期 (19.33 MB)
│ ├── 29 动态提示词生命周期钩子 (9.18 MB)
│ ├── 30 生命周期钩子的各种应用场景 (26.44 MB)
│ ├── 31 定义个最小化的mcp服务 (16.49 MB)
│ ├── 32 到底什么是MCP？ (48.53 MB)
│ ├── 33 在langchain中调用天气查询mcp服务 (14.98 MB)
│ └── 34 mcp改成http服务 (66.79 MB)
├── 10 全面解读LangChain（旧版）
│ ├── 01 全面理解Langchain最好的学习思路 (23.66 MB)
│ ├── 02 给tools运行时注入额外装状态 (39.98 MB)
│ ├── 03 对LLM进行结构化输出约束 (45.77 MB)
│ ├── 04 中间件动态选择模型 (16.78 MB)
│ ├── 05 把prompt放到系统提示词提高准确率 (30.10 MB)
│ ├── 06 结构化输出与流式输出 (18.03 MB)
│ ├── 07 模型的一些常用方法 (57.53 MB)
│ ├── 08 消息模块 (14.87 MB)
│ ├── 09 工具tools解读 (28.72 MB)
│ ├── 10 短期记忆与上下文注入 (53.91 MB)
│ ├── 11 stream流式输出 (17.14 MB)
│ ├── 12 结构化输出与错误处理 (30.82 MB)
│ ├── 13 内置中间件 (61.97 MB)
│ ├── 14 model和agent的生命周期 (14.29 MB)
│ ├── 15 自定义中间件 (32.96 MB)
│ ├── 16 高级用法-守卫 (42.35 MB)
│ ├── 17 高级用法-runtime (17.52 MB)
│ ├── 18 高级用法-上下文 (64.04 MB)
│ ├── 19 context和store维护上下文的区别？ (18.59 MB)
│ ├── 20 高级功能-人工介入 (40.58 MB)
│ ├── 21 高级功能-多agent (31.29 MB)
│ ├── 22 高级功能-多agent-subAgent (47.24 MB)
│ ├── 23 高级功能-handoffs (29.94 MB)
│ └── 24 总结 (10.27 MB)
├── 10（2.0新版）LangGraph深入浅出
│ ├── 01 LangGraph你好 (33.90 MB)
│ ├── 02 LangGraph条件判断 (53.44 MB)
│ ├── 03 逐行解读LangGraph入门案例 (63.05 MB)
│ ├── 04 checkpointer属性解读 (61.68 MB)
│ ├── 05 查看LLM、tools调用之后的checkpointer (48.15 MB)
│ ├── 06 中断流程业务与思路梳理 (36.65 MB)
│ ├── 07 用graph实现一个完整的中断恢复案例01 (51.72 MB)
│ ├── 08 用graph实现一个完整的中断恢复案例02 (55.62 MB)
│ ├── 09 用graph实现一个完整的中断恢复案例03 (137.26 MB)
│ ├── 10 用graph实现一个完整的中断恢复案例04 (26.66 MB)
│ ├── 11 用graph实现一个完整的中断恢复案例05 (99.87 MB)
│ ├── 12 InMemoryStore和InMemorySaver的区别？ (49.26 MB)
│ └── 13 SubGraph是什么以及应用场景 (23.90 MB)
├── 11 LangGraph全解析（旧版）
│ ├── 01 node和edge核心概念 (35.76 MB)
│ ├── 02 流程条件判断 (52.24 MB)
│ ├── 03 langGraph意图识别回复邮件案例 (66.07 MB)
│ ├── 04 讲笑话流程案例 (48.26 MB)
│ ├── 05 并行讲故事、合并案例 (19.95 MB)
│ ├── 06 用路由决定讲故事案例 (19.82 MB)
│ ├── 07 工作流程-剩余内容 (24.74 MB)
│ ├── 08 持久化-存档点位信息 (23.23 MB)
│ ├── 09 持久化-命名空间 (36.32 MB)
│ ├── 10 持久化-对store进行向量存储 (24.75 MB)
│ ├── 11 持久化工作流 (33.92 MB)
│ ├── 12 graph中的stream (15.86 MB)
│ ├── 13 中断实际场景中3方的配合 (18.53 MB)
│ ├── 14 中断在Ai应用中前端、后台、Ai是如何配合的？ (59.53 MB)
│ ├── 15 关于中断有几点要特别注意的 (39.40 MB)
│ ├── 16 利用时间旅行恢复节点运行 (13.06 MB)
│ └── 17 graph中子图的作用 (37.79 MB)
├── 12 LangChain实战案例（旧版）
│ ├── 01 跑通豆包embedding模型api (39.29 MB)
│ ├── 02 利用豆包进行store向量化模糊搜索 (47.85 MB)
│ ├── 03 ChromaDB向量数据库-补充 (48.26 MB)
│ ├── 04 向量数据库的训练过程 (42.18 MB)
│ ├── 05 向量数据库的存储和查询过程 (16.08 MB)
│ ├── 06 ChromaDB最简案例 (21.44 MB)
│ ├── 07 向量数据库中的距离表示 (43.31 MB)
│ ├── 08 为什么笔记本屏幕不错和笔记本毫不相关？ (20.52 MB)
│ ├── 09 如何提升向量数据库的检索精度？ (86.66 MB)
│ ├── 10 改成cosine方式优化文本检索精度 (17.49 MB)
│ ├── 11 ChromaDB中的查询操作符 (23.49 MB)
│ ├── 12 ChromaDB查询、删除操作 (20.65 MB)
│ ├── 13 长文本切片存储与向量查询 (87.77 MB)
│ ├── 14 为什么我用ChromaDB查询原文都查不到？ (33.89 MB)
│ ├── 15 解决ChromaDB查询中文不精准问题 (61.26 MB)
│ ├── 16 为什么distance最小的结果反而不准？ (28.07 MB)
│ ├── 17 ChromaDB查询之后给到什么数据LLM？ (26.89 MB)
│ ├── 18 向量存储的ID设计 (15.02 MB)
│ ├── 19 ChromaDB实现文搜图 (57.05 MB)
│ ├── 20 如何理解机器学习中的张量？ (28.86 MB)
│ ├── 21 ChromaDB实现图搜图 (22.66 MB)
│ └── 22 观察图片处理之后实际存储到向量数据库中的大小 (18.62 MB)
├── 13 LangSmith链路追踪监控
│ ├── 01 开通langSmith账户 (14.45 MB)
│ ├── 02 用LangSmith对火山引擎的数据进行监控 (48.94 MB)
│ ├── 03 改写LangChain底层的Embbeding类兼容火山引擎 (38.74 MB)
│ ├── 04 traceable中支持的run_type类型 (19.16 MB)
│ ├── 05 改进之后的trace追踪 (48.11 MB)
│ ├── 06 逐行断点解读trace业务代码 (35.83 MB)
│ ├── 07 Rag检索增强架构改造 (31.04 MB)
│ └── 08 查看Smith检索LLM数据 (20.30 MB)
├── 14 项目1：一阶段 Ai实时语音对话-智能客服
│ ├── 01 项目规划 (25.82 MB)
│ ├── 02 项目架构设计与梳理 (17.08 MB)
│ ├── 03 Ai应用开发前端、后台、Ai是如何配合工作的？ (24.34 MB)
│ ├── 04 复杂的Ai应用开发到底应该做什么？ (28.39 MB)
│ ├── 05 我们的项目结构设计 (6.41 MB)
│ ├── 06 环境安装，运行前端、后台项目 (33.07 MB)
│ ├── 07 项目底座介绍 (81.31 MB)
│ ├── 08 使用Trae和Cursor改写Nodejs服务为Python版本 (76.07 MB)
│ ├── 09 使用Gemini3 Por生成Python版本服务 (46.30 MB)
│ ├── 10 优化Gemini3生成版本 (26.06 MB)
│ ├── 11 api密钥与服务开通 (111.28 MB)
│ ├── 12 逐行解读python main流程1 (114.22 MB)
│ ├── 13 逐行解读python main流程2 (32.58 MB)
│ ├── 14 RTC业务逻辑梳理1 (114.79 MB)
│ ├── 15 Rtc业务架构设计2 (60.94 MB)
│ ├── 16 RTC业务流程梳理3 (61.61 MB)
│ ├── 17 RTC业务流程梳理4 (45.35 MB)
│ ├── 18 RTC业务流程梳理5 (72.27 MB)
│ ├── 19 RTC业务梳理6 (16.69 MB)
│ ├── 20 RTC业务流程梳理7 (31.06 MB)
│ ├── 21 RTC业务流程梳理8 (57.00 MB)
│ ├── 22 RTC业务流程梳理9 (45.08 MB)
│ ├── 23 RTC业务流程梳理10 (132.28 MB)
│ └── 24 RTC业务流程梳理10 (27.04 MB)
├── 15 项目1：二阶段 LLM RAG架构
│ ├── 01 项目架构设计核心思路 (22.74 MB)
│ ├── 02 将LLM部分独立出来 (26.29 MB)
│ ├── 03 Rtc给第三方LLM推流架构解析 (62.69 MB)
│ ├── 04 uv和ngrok环境准备 (39.45 MB)
│ ├── 05 LLM的欢迎语是哪里来的？ (17.42 MB)
│ ├── 06 项目改造的核心第一步 (20.19 MB)
│ ├── 07 getScenes接口逻辑梳理 (43.78 MB)
│ ├── 08 配置密钥环境 (48.91 MB)
│ ├── 09 远程启动、停止agent接口服务实现 (64.17 MB)
│ ├── 10 指挥ai生成符合sse协议llm回复 (60.34 MB)
│ ├── 11 callback生成sse协议stream流 (39.61 MB)
│ ├── 12 什么是sse协议？ (31.57 MB)
│ ├── 13 梳理前端数据交互逻辑1 (20.00 MB)
│ ├── 14 梳理前端数据交互逻辑2 (27.85 MB)
│ ├── 15 客户端接收rtc推送的二进制message消息 (43.20 MB)
│ └── 16 安装浏览器插件查看状态变化 (14.08 MB)
├── 16 项目1：阶段三 LLM改造
│ ├── 01 利用swagger搭建LLM调试环境 (105.74 MB)
│ ├── 02 定制LLM系统提示词与欢迎语 (57.11 MB)
│ ├── 03 设置temperature对回复的影响 (24.72 MB)
│ ├── 04 优化提示词格式 (64.43 MB)
│ ├── 05 创建知识库环境 (79.31 MB)
│ ├── 06 rag知识库技术选型思路 (36.44 MB)
│ ├── 07 对LLM的调用时长进行时间监控 (74.15 MB)
│ ├── 08 Ai帮我参考知识库文档生成可运行业务代码 (57.12 MB)
│ ├── 09 添加知识库service服务 (56.75 MB)
│ ├── 10 知识库检索返回的原始信息 (115.15 MB)
│ ├── 11 跑通Rag服务并兼容多条数据返回 (77.00 MB)
│ ├── 12 将Rag服务接入到测试Api (27.30 MB)
│ ├── 13 修复Rag接入实时对话bug1 (51.72 MB)
│ ├── 14 修复Rag接入实时对话bug2 (31.68 MB)
│ ├── 15 修复Rag接入实时对话bug3 (12.91 MB)
│ ├── 16 修复Rag接入实时对话bug4 (5.41 MB)
│ └── 17 Ai应用开发工程师的核心职能和在企业的工作流程 (52.71 MB)
├── 17 项目1：阶段四 难点亮点与优化
│ ├── 01 利用prompt pilot优化提示词 (51.54 MB)
│ ├── 02 LLM中的Temperature和Top P参数的区别？ (36.21 MB)
│ ├── 03 temperature参数为何可以设置0-2 (21.88 MB)
│ ├── 04 利用pilot的测试集去优化prompt提示词提示词 (35.23 MB)
│ ├── 05 利用Pilot自动对回复进行评分 (43.68 MB)
│ ├── 06 如何将pilot提示词优化写进简历 (60.06 MB)
│ ├── 07 知识库检索优化的思路与方向 (69.34 MB)
│ ├── 08 稠密向量和稀疏向量的区别 (86.57 MB)
│ ├── 09 知识库检索支持的字段与解读 (62.27 MB)
│ ├── 10 知识库文档切片优化与辩证思维 (66.96 MB)
│ ├── 11 知识库index索引优化 (27.28 MB)
│ ├── 12 知识库指定索引算法优化 (28.60 MB)
│ ├── 13 知识库检索参数极致优化 (58.84 MB)
│ ├── 14 ReRank重排开启和关闭带来的性能影响 (38.42 MB)
│ ├── 15 Ai应用项目的性能优化核心思想方针 (31.55 MB)
│ ├── 16 在简历中写上项目经历2、3 (105.43 MB)
│ ├── 17 python热更新速度优化 (27.93 MB)
│ ├── 18 使用Swagger UI构Ai业务调试环境 (30.23 MB)
│ ├── 19 从15s到2s极致深度优化LLM推理 01 (69.50 MB)
│ ├── 20 从15s到2s极致深度优化LLM推理 02 (56.93 MB)
│ ├── 20 从15s到2s极致深度优化LLM推理 02(1) (56.93 MB)
│ ├── 21 利用LLM批量推理构建评测集 (44.10 MB)
│ ├── 22 LLM flash、lite、标准版区别 (20.14 MB)
│ ├── 23 LLM4种思考模式区别minimal、low、medium、high (56.42 MB)
│ ├── 24 从15s到2s极致深度优化LLM推理 03 (62.16 MB)
│ ├── 25 从15s到2s极致深度优化LLM推理 04 (85.46 MB)
│ ├── 26 从15s到2s极致深度优化LLM推理 05 (34.01 MB)
│ ├── 27 从15s到2s极致深度优化LLM推理 06 (22.86 MB)
│ ├── 28 从15s到2s极致深度优化LLM推理 07 (67.44 MB)
│ ├── 29 KV缓存和前缀缓存的核心区别 (16.66 MB)
│ ├── 30 利用前缀缓存优化LLM性能 (58.73 MB)
│ ├── 31 Chat Api和Response Api的区别？ (41.93 MB)
│ ├── 32 补充简历经历4、5条 (37.62 MB)
│ ├── 33 豆包1.8版本LLM参数解析 (24.90 MB)
│ ├── 34 max token调整的意义与作用 (23.15 MB)
│ ├── 35 Ai实时对话的Max token设置多少合适？ (37.20 MB)
│ ├── 36 Asr双向流优化版带来的性能影响 (50.28 MB)
│ ├── 37 Asr情绪检测、敏感词、热词优化 (53.84 MB)
│ ├── 38 Asr上层参数调节 (34.38 MB)
│ ├── 39 TTS业务参数调节 (63.28 MB)
│ ├── 40 TTS上层业务参数解析 (24.55 MB)
│ ├── 41 TTS1.0 和 2.0端到端版本的区别 (51.86 MB)
│ ├── 42 声音复刻服务开通与配置 (33.48 MB)
│ ├── 43 接入声音复刻功能 (47.81 MB)
│ ├── 44 火山引擎veRTC服务特点与亮点 (108.99 MB)
│ ├── 45 实时语音Agent服务业务优化设计 (129.76 MB)
│ └── 46 补充简历6、7条 (78.11 MB)
├── 18 项目2：自媒体运营Agent
│ ├── 01 项目介绍 (33.79 MB)
│ ├── 02 项目方案架构设计 (91.51 MB)
│ ├── 03 让Gemini生成喂给Claude4.5的提示词 (111.07 MB)
│ ├── 04 cursor实现业务功能01 (13.04 MB)
│ ├── 05 cursor实现业务功能02 (28.61 MB)
│ ├── 06 cursor实现业务功能03 (82.54 MB)
│ ├── 07 cursor实现业务功能04 (39.79 MB)
│ ├── 08 Main.py生命周期管理 (30.27 MB)
│ ├── 09 workflow入口逻辑解读 (37.01 MB)
│ ├── 10 graph业务流程图梳理 (40.45 MB)
│ ├── 11 逐行解读start接口调用流程与状态流转01 (85.41 MB)
│ ├── 12 逐行解读start接口调用流程与状态流转02 (49.40 MB)
│ ├── 13 逐行解读resume中断恢复流程与状态流转 (123.62 MB)
│ ├── 14 逐行解读审核通过流程结束 (63.00 MB)
│ ├── 15 逐行解读审核拒绝流程 (92.63 MB)
│ ├── 16 项目版本切换学习方法 (15.46 MB)
│ ├── 17 接入LLM Api版本01 (17.84 MB)
│ ├── 18 接入LLM Api版本02 (72.34 MB)
│ ├── 19 接入LLM Api版本03 (78.89 MB)
│ ├── 20 接入LLM Api版本04 (67.41 MB)
│ ├── 21 接入LLM Api版本05 (65.01 MB)
│ ├── 22 接入LLM Api版本06 (158.13 MB)
│ ├── 23 接入LLM Api版本07 (99.07 MB)
│ ├── 24 Claude生成vue3.0前端界面 (47.52 MB)
│ ├── 25 前端完整流程功能演示 (19.81 MB)
│ ├── 26 使用PostgreSQL持久化graph状态01 (15.29 MB)
│ ├── 27 postgresql数据库安装 (12.51 MB)
│ ├── 28 使用PostgreSQL持久化graph状态02 (53.56 MB)
│ ├── 29 使用PostgreSQL持久化graph状态03 (34.14 MB)
│ ├── 30 AsyncConnectionPool数据库连接池的作用 (67.31 MB)
│ ├── 31 PostgreSQL同步Checkpointer数据核心4个步骤 (60.44 MB)
│ ├── 32 postgre中的4张表到底存的啥？01 (19.46 MB)
│ ├── 33 postgre中的4张表到底存的啥？02 (52.93 MB)
│ ├── 34 新增graph历史记录功能 (32.11 MB)
│ ├── 35 新增graph历史记录功能02 (26.33 MB)
│ ├── 36 新增graph历史记录功能03 (53.89 MB)
│ └── 37 项目重点梳理与学习重点 (22.03 MB)
├── 19 项目2：难点亮点与优化
│ ├── 01 难点亮点梳理 (115.53 MB)
│ ├── 02 难点亮点梳理 (33.47 MB)
│ ├── 03 LLM耗时统计与token使用量核心逻辑梳理 (66.03 MB)
│ ├── 04 SubGraph子图设计模式解析 (35.67 MB)
│ ├── 05 将选题流程抽象为subgraph (109.84 MB)
│ ├── 06 将图片生成改为并行模式 (89.04 MB)
│ ├── 07 新增流式输出功能 (83.43 MB)
│ ├── 08 流式输出核心思路解析与踩坑 (65.85 MB)
│ ├── 09 多模型路由策略针对性优化链路性能 (7.43 MB)
│ ├── 10 流式输出和非流式输出影响checkpointer存储的结果吗？ (114.83 MB)
│ ├── 11 graph流式输出逐行解读 (147.79 MB)
│ ├── 12 LLM结构化输出优化 (45.19 MB)
│ ├── 13 LLM结构化输出功能验证 (36.01 MB)
│ ├── 14 Rag检索增强优化 (22.49 MB)
│ ├── 15 数据库连接池参数调整与优化 (24.11 MB)
│ ├── 16. 全链路状态追踪LangSmith接入 (48.85 MB)
│ ├── 17 B端C端业务指标埋点 (78.13 MB)
│ ├── 18 业务日志收集与服务 (55.25 MB)
│ ├── 19 内容安全审查与用户数据脱敏 (50.92 MB)
│ ├── 20 JWT认证授权机制 (34.91 MB)
│ ├── 21 JWT补充内容 (26.58 MB)
│ ├── 22 SSO单点登录与Auth2.0 (58.67 MB)
│ ├── 23 关于项目面试技巧的思考 (19.53 MB)
│ ├── 24 配置管理与灰度AB测试 (59.11 MB)
│ ├── 25 不同业务的模板扩展 (12.85 MB)
│ ├── 26 MCP服务划分与设计 (14.71 MB)
│ ├── 27 健康检查与优雅关闭 (25.40 MB)
│ ├── 28 Api版本控制 (12.32 MB)
│ ├── 29 Api限流与熔断真实企业的四层架构 (34.90 MB)
│ ├── 30 用户反馈闭环建立评测集 (18.08 MB)
│ ├── 31 错误处理降级和熔断的区别？ (18.60 MB)
│ ├── 32 项目中__init__py的作用？ (28.77 MB)
│ ├── 33 图片生成失败与敏感信息处理 (17.25 MB)
│ ├── 34 Graph流程节点性能优化 (19.18 MB)
│ └── 35 图片大模型升级到顶级Nano Banan模型 (40.69 MB)
├── 20 项目2：逐行解读项目代码
│ ├── 01 入口文件解读 (28.52 MB)
│ ├── 02 日志系统 ContextVar管理requestid (39.89 MB)
│ ├── 03 逐行解读日志系统 (107.97 MB)
│ ├── 04 graph主流程源码解析 (60.26 MB)
│ ├── 05 thread接口解析 (8.52 MB)
│ ├── 06 流式输出代码解析 (38.70 MB)
│ ├── 07 文章生成是如何进行六十输出的？ (151.36 MB)
│ ├── 08 图片生成逻辑解读 (42.70 MB)
│ ├── 09 系统日志与LLM脱敏设计 (71.88 MB)
│ ├── 10 整体项目的架构设计 (17.59 MB)
│ ├── 11 登录逻辑解读 01 (40.97 MB)
│ ├── 12 登录逻辑解读 02 (44.06 MB)
│ ├── 13 登录逻辑解读 03 (12.97 MB)
│ ├── 14 登录逻辑解读 04 (59.76 MB)
│ └── 15 为什么现在流行JWT？ (64.61 MB)
├── 21 数据标注平台搭建与Label Studio实战
│ ├── 01 什么是数据标注 (26.64 MB)
│ ├── 02 标注出来的数据到底是做什么用的？ (47.93 MB)
│ ├── 03 Label Studio环境安装 (20.42 MB)
│ ├── 04 案例1： 电商评论情绪识别 (56.36 MB)
│ ├── 05 案例2：图片标注案例 (25.60 MB)
│ └── 06 案例3：用选择题训练模型 (19.94 MB)
├── 22 模型微调与主流方案解析
│ ├── 01 SFT和DPO的区别？ (45.62 MB)
│ ├── 02 SFT的两种主流训练数据格式 (34.26 MB)
│ ├── 03 SFT中的数据清洗与数据质量 (44.57 MB)
│ ├── 04 模型训练Lora方案解读 (22.83 MB)
│ ├── 05 Lora的4个核心调节参数解析 (45.33 MB)
│ ├── 05 偏好对齐Dto的数据格式要求 (32.48 MB)
│ └── 06 DPO方案的局限与未来展望 (17.70 MB)
├── 23 项目3：LLaMA-Factory+Lora模型微调实战
│ ├── 01 环境安装 (49.89 MB)
│ ├── 02 lora环境搭建 (45.26 MB)
│ ├── 03 Cuda环境问题解决与显卡驱动 (154.92 MB)
│ ├── 04 Lora训练结果解析 (32.04 MB)
│ ├── 05 案例1 电商评论情感分析 (54.85 MB)
│ ├── 06 案例1 开始训练Qwen模型 (30.15 MB)
│ ├── 07 案例1 真实企业场景对数据量的要求？ (54.65 MB)
│ ├── 08 案例1 学习率参数应该如何调整？ (24.09 MB)
│ ├── 09 案例1 训练轮数参数调节 (11.31 MB)
│ ├── 10 案例1 模型参数的选择 (15.80 MB)
│ ├── 11 案例1 模型训练完的效果 (34.69 MB)
│ ├── 12 案例1 模型第二次训练效果2 (75.58 MB)
│ ├── 13 案例1 模型第3、4次训练与优化 (158.33 MB)
│ └── 14 案例1 Warmup Ratio参数在哪？ (10.25 MB)
├── 24 Agent集群架构与部署
│ ├── 01 项目部署方案解读 (112.64 MB)
│ ├── 02 集群模式下的Ai服务部署方案 (127.04 MB)
│ └── 03 集群模式下的ai服务部署方案 (85.44 MB)
├── 25 项目1：线上企业版
│ ├── 01 环境配置 (87.23 MB)
│ └── 02 环境配置02 (72.91 MB)
└── 26 实战面试回放
├── 2.25 武汉18k 教授 (78.24 MB)
├── 2.25 武汉25k 电商头部 - Trim (318.68 MB)
├── 2.26 武汉边缘面试官18k (63.10 MB)
├── 2.26 深信服18k （重点看） (556.99 MB)
├── 3.9 创业无限画布深圳30k(重点看)-裁切.mp3 (47.39 MB)
├── 3.9 字节外包-裁切.mp3 (41.42 MB)
├── 3.9 重庆50k-裁切.mp3 (30.38 MB)
└── 3.16 深圳30k 两轮已经过了.mp3 (77.17 MB)飞豹客 · 教程详情
懂王Ai超级agent应用开发架构师
AI
14 人浏览发布 2026-05-20更新 2026-05-20
