大模型时代的智能体架构：核心模式与行业实践

当大模型突破“理解与生成”的能力边界后，如何让其从“被动响应的能力组件”升级为“主动解决问题的智能系统”？智能体（Agent）给出了答案。作为大模型应用的高阶形态，智能体通过整合感知、规划、决策、执行等模块，构建“目标驱动-环境交互-反馈迭代”的闭环系统，成功破解了大模型“有脑无手”的困局。如今，智能体已从技术探索迈向场景深耕，在制造、金融、医疗等领域释放规模化价值。本文将深入剖析大模型时代智能体的核心架构模式，结合行业实践案例，揭示其从技术构建到产业落地的完整逻辑。

*   01 第一阶段 大模型核心技术入门/

  *   01 手把手教你掌握大模型原理之大模型分类与提示工程教程/

    *   01 01大模型分类与提示工程-GPT与BERT的选择 (31.38 MB), 07:49

    *   02 02大模型分类与提示工程-GPT与BERT的区别和共识 (9.22 MB), 02:28

    *   03 03大模型分类与提示工程-NLP 语言模型技术发展一览 (14.17 MB), 03:41

    *   04 04大模型分类与提示工程-从GPT-1到GPT-3的进化之路 (30.82 MB), 07:04

    *   05 05大模型分类与提示工程-预训练与微调的共舞 (22.12 MB), 04:36

    *   06 06大模型分类与提示工程-三个训练法 (27.78 MB), 05:55

    *   07 07大模型分类与提示工程-gpt4的介绍 (29.07 MB), 05:29

    *   08 08大模型分类与提示工程-指令模型与推理模型介绍 (11.65 MB), 02:54

    *   09 09大模型分类与提示工程-思考连和自洽性以及思考树讲解 (17.89 MB), 04:16

    *   10 手把手教你掌握大模型原理之大模型分类与提示工程教程.txt (0.00 MB)

  *   02 大模型RAG项目落地优化策略实战课/

    *   01 文档预处理优化策略实战经验：RAG 落地 “第一关”！ (143.65 MB), 38:21

    *   02 文本分块优化策略实战经验：掌握 RAG “信息拆解艺术” (79.07 MB), 17:56

    *   03 文本向量化优化策略实战经验：给信息贴对 “语义标签” (74.46 MB), 16:38

    *   04 元数据优化策略实战经验：给向量加个 “隐形标签”，让搜索快 (52.08 MB), 15:10

    *   05 多级索引和路由优化策略实战经验：给查询搭好 “快速通道” (40.29 MB), 10:45

    *   06 索引与查询算法优化策略实战经验：玩转 “速度 - 精度平衡术 (86.90 MB), 19:35

    *   07 查询转换改写优化策略实战经验：让查询 “会说话”！ (81.78 MB), 19:11

    *   08 检索参数优化策略：别忽视 “微调小操作”！调对权重、设对数量 (76.08 MB), 18:37

    *   09 高级检索优化策略：解锁 RAG “黑科技” (86.42 MB), 20:32

    *   10 重排模型优化策略实战：给检索结果 “智能排座次” (55.86 MB), 13:52

    *   11 提示词优化策略：保障大模型输出准确性与相关性的关键策略 (68.69 MB), 12:31

    *   12 大模型生成回答优化策略：选对模型 + 用好框架，生成高质量回 (37.34 MB), 07:42

  *   03 大模型部署与微调/

    *   01 词向量技术/

      *   01 词向量基础 (50.76 MB), 22:00

      *   02 词向量模型 (67.58 MB), 23:07

      *   03 词向量的共现矩阵表示 (27.78 MB), 13:17

      *   04 神经网络语言模型的原理 (96.66 MB), 38:25

      *   05 CBOW和Skip-Gram模型的原理 (60.79 MB), 19:53

      *   06 中文词向量的训练 (74.51 MB), 21:29

      *   07 中文词向量模型的训练 (86.88 MB), 21:44

      *   08 中文词向量的使用 (27.39 MB), 08:18

      *   09 词向量的高维理解 (67.04 MB), 21:54

    *   02 预训练模型/

      *   01 预训练模型概述 (85.78 MB), 22:18

      *   02 基于ALBERT的命名实体识别数据处理 (102.41 MB), 23:18

      *   03 基于ALBERT的命名实体识别模型训练和评估 (92.71 MB), 23:19

      *   04 Transformer概述 (98.19 MB), 29:21

      *   05 多头注意力机制 (101.80 MB), 24:34

      *   06 注意力机制 (88.63 MB), 21:53

      *   07 基于BERT的文本相似度计算(一) (38.65 MB), 20:50

      *   08 基于BERT的文本相似度计算(二) (41.49 MB), 22:34

      *   09 基于ERNIE的中文情感分析(一) (37.66 MB), 20:26

      *   10 基于ERNIE的中文情感分析(二) (41.20 MB), 22:31

      *   11 Transformer基础理解 (92.77 MB), 40:51

    *   03 大模型技术基础/

      *   01 阿里云工作空间的创建 (14.71 MB), 05:13

      *   02 ollma模型的部署和启动 (39.44 MB), 18:37

      *   03 ollma模型的介绍 (21.03 MB), 07:37

      *   04 ollma模型的API介绍 (45.30 MB), 13:08

      *   05 vllm部署llama3模型 (49.69 MB), 19:56

      *   06 vllm运行llam3模型的chat模式 (22.55 MB), 07:14

    *   04 大模型部署与微调/

      *   01 llama_factory的环境配置 (57.58 MB), 19:22

      *   02 llama_factory的中文数据的训练 (36.23 MB), 13:53

      *   03 llama_factory的中文数据推理 (20.00 MB), 06:23

      *   04 llama_factory医疗对话数据的训练 (71.96 MB), 18:07

      *   05 llama_factory中文对话和医疗对话的合并训练 (28.97 MB), 06:51

      *   06 llama_factory中文合并推理和Transformer训练 (52.31 MB), 10:39

      *   07 chatglm模型的搭建和推理 (46.67 MB), 12:11

    *   05 大模型的应用/

      *   01 AI生成视频 (39.16 MB), 13:01

      *   02 智能体的创建 (38.84 MB), 15:23

      *   03 ollama启动deepseek（1.5B） (25.83 MB), 11:54

  *   04 DeepSeek AI大模型开发全流程：部署.微调.开发/

    *   01 Transformer 与 DeepSeek 体系核心原理/

      *   01 Transformer 与注意力机制核心原理 (116.65 MB), 24:13

      *   02 DeepSeek 核心架构及其训练技术详解 (78.68 MB), 16:00

      *   03 基于 DeepSeek 大模型的开发导论 (107.14 MB), 16:37

    *   02 DeepSeek 模型开发与 API 使用/

      *   01 DeepSeek 模型初体验 (76.30 MB), 12:14

      *   02 DeepSeek 开放平台与 API 开发详解 (187.84 MB), 28:35

      *   03 对话、补全与模型开发详解 (174.24 MB), 26:43

      *   04 对话前缀续写、FIM 与 JSON 输出开发详解 (273.52 MB), 42:41

      *   05 函数回调与上下文硬盘缓存 (319.27 MB), 48:16

    *   03 Prompt 设计与 AI 应用开发/

      *   01 DeepSeek 提示库：探索 Prompt 的更多可能 上 (370.02 MB), 57:04

      *   02 DeepSeek 提示库：探索 Prompt 的更多可能 下 (288.23 MB), 43:51

    *   04 DeepSeek 实战开发案例/

      *   01 集成实战 1：基于 LLM 的 Chat 类客户端开发 (281.53 MB), 42:38

      *   02 集成实战 2：AI 智能助理开发 (178.63 MB), 27:06

      *   03 集成实战 3：基于 VS Code 的辅助编程插件开发 (252.52 MB), 38:52

    *   05 DeepSeek R1 版本深度解析/

      *   01 DeepSeek R1 简介 (120.21 MB), 21:36

      *   02 DeepSeek R1 本地部署 (84.31 MB), 13:41

      *   03 DeepSeek R1 API 调用 (59.47 MB), 09:04

  *   05 大模型MCP技术实战课/

    *   01 《MCP快速入门实践》/

      *   01 大模型MCP技术实战课课程介绍 (42.10 MB), 07:28

      *   02 01 MCP实践之Agent的原理剖析 (29.09 MB), 15:02

      *   03 02 MCP实践之Function Call 缺点分析 (41.20 MB), 15:44

      *   04 03 MCP实践之MCP的本质是什么 (14.51 MB), 07:41

      *   05 04 MCP实践之MCP的环境构建 (28.18 MB), 07:11

      *   06 05 MCP实践之MCP的简易Client构建 (15.04 MB), 03:54

      *   07 06 MCP实践之MCP的Client接入大模型 (34.19 MB), 08:37

      *   08 07 MCP实践之MCP的Server端构建 (44.22 MB), 09:48

      *   09 08 MCP实践之基于MCP的Client和Server通信 (44.82 MB), 10:21

      *   10 09 MCP实践之Server端Debug工具实践 (32.22 MB), 06:09

      *   11 10 MCP实践之MCP Server推荐 (19.63 MB), 04:02

    *   02 《MCP复杂智能体开发》/

      *   01 11 MCP复杂智能体之引出复杂智能体难点 (7.55 MB), 03:32

      *   02 12 MCP复杂智能体之Function Call流程回顾 (123.82 MB), 22:48

      *   03 13 MCP复杂智能体之实现Function Call的并行调用 (30.72 MB), 05:34

      *   04 14 MCP复杂智能体之实现Function Call的串行调用 (44.04 MB), 07:59

      *   05 15 MCP复杂智能体之基础依赖准备 (16.57 MB), 04:37

      *   06 16 MCP复杂智能体之数据库准备和数据准备 (26.73 MB), 04:51

      *   07 17 MCP复杂智能体之开发SQL_server服务 (17.88 MB), 04:55

      *   08 18 MCP复杂智能体之开发Python_server服务 (13.69 MB), 03:29

      *   09 19 MCP复杂智能体之MCP客户端开发 (67.63 MB), 12:45

      *   10 20 MCP复杂智能体之效果验证 (27.40 MB), 06:31

    *   03 《MCP服务器全流程实战》/

      *   01 01 MCP全流程开发之MCP全流程总结 (41.26 MB), 11:33

      *   02 02 MCP全流程开发之MCP服务器开发 (61.18 MB), 10:23

      *   03 03 MCP全流程开发之MCP服务器测试 (53.80 MB), 10:19

      *   04 04 MCP全流程开发之MCP服务器代码打包 (59.08 MB), 11:01

      *   05 05 MCP全流程开发之MCP服务器离线部署 (47.19 MB), 08:29

      *   06 06 MCP全流程开发之MCP服务器在线部署 (19.82 MB), 04:17

      *   07 07 MCP全流程开发之MCP本地客户端部署 (14.97 MB), 04:13

      *   08 08 MCP全流程开发之本地客户端接入MCP服务器 (23.77 MB), 05:44

    *   04 《MCP消息传输SSE和HTTP实战》/

      *   01 01 MCP通信协议 (17.81 MB), 06:47

      *   02 02 基于SSE传输的MCP服务器构建 (49.04 MB), 07:28

      *   03 03 基于SSE传输的MCP服务器测试 (38.10 MB), 07:04

      *   04 04 基于SSE传输的MCP服务器发布 (19.54 MB), 03:29

      *   05 05 基于SSE传输的MCP服务器应用 (28.54 MB), 05:57

      *   06 06 MCP HTTP消息传输方式 (29.28 MB), 07:19

      *   07 07 基于HTTP的MCP服务器创建 (62.55 MB), 13:38

      *   08 08 基于HTTP的MCP服务器测试 (25.49 MB), 05:07

      *   09 09 基于HTTP的MCP服务器应用 (11.72 MB), 02:34

    *   05 《MCP工具应用实战》/

      *   01 01 MCP应用之热门工具推荐 (38.27 MB), 07:23

      *   02 02 MCP应用之Cherry Studio安装部署 (21.12 MB), 04:03

      *   03 03 MCP应用之基于Cherry Studio构建文件管理系统 (18.80 MB), 03:50

      *   04 04 MCP应用之基于Cherry Studio构建爬虫智能体 (14.72 MB), 02:59

      *   05 05 MCP应用之阿里百炼平台配置 (26.40 MB), 05:44

      *   06 06 MCP应用之基于阿里百炼构建智能旅游助手 (18.94 MB), 04:38

      *   07 07 MCP应用之Dify平台配置 (13.62 MB), 04:14

      *   08 08 MCP应用之自研MCP服务器 (56.27 MB), 09:50

      *   09 09 MCP应用之基于Dify接入自研MCP服务器 (14.12 MB), 04:34

*   02 第二阶段 智能体开发实战/

  *   01 A2A重构智能体-揭秘下一代Agent架构/

    *   01 A2A重构智能体架构/

      *   01 什么是A2A (105.90 MB), 21:15

      *   02 A2A核心概念-参与者和通信元素 (79.34 MB), 15:12

      *   03 A2A交互机制-轮训流式与通知 (50.04 MB), 10:54

      *   04 MCP与A2A的区别与关联 (70.52 MB), 15:26

      *   05 代理发现与代理卡片 (40.98 MB), 08:55

      *   06 A2A 基本环境配置 (31.78 MB), 05:49

      *   07 服务端代理和客户端代理的关系与功能 (53.03 MB), 09:55

      *   08 逐行讲解服务端代理和客户端代理代码 (105.84 MB), 17:42

      *   09 梳理客户端服务端代理与代理执行器之间的关系 (63.06 MB), 12:29

      *   10 关注代理核心业务-AgentExecutor代理详解 (50.80 MB), 08:01

      *   11 A2A案例-流式与非流式代理调用 (41.53 MB), 07:26

      *   12 A2A案例-多轮对话实现汇率转化 (41.54 MB), 09:03

      *   13 多轮对话代码实战-详细分析用户输入代码背后的原理和实现 (116.38 MB), 18:02

      *   14 执行多轮对话-实现A2A任务状态更新与执行 (40.21 MB), 07:13

  *   02 LangChain智能体实战，打造AI运维中枢，构建智能告警诊断与自愈系统/

    *   01 课程概览与架构总览/

      *   01 AI运维的重要性，传统告警处理的局限 (73.60 MB), 13:48

      *   02 系统整体架构图说明 (6.88 MB), 01:49

      *   03 各功能组件交互关系 (29.14 MB), 06:24

    *   02 技术选型与环境说明/

      *   01 为什么选择langChain、vLLM、Zabbix、ELK (19.58 MB), 03:51

      *   02 各组件安装环境说明 (20.49 MB), 05:37

    *   03 告警联动/

      *   01 Zabbix介绍 (31.57 MB), 07:09

      *   02 Zabbix环境搭建 (124.05 MB), 22:53

      *   03 受控主机Nginx接入（一） (63.24 MB), 11:19

      *   04 受控主机Nginx接入（二） (26.62 MB), 04:14

      *   05 告警动作设置 (22.18 MB), 05:03

      *   06 编写Webhook测试脚本 (40.76 MB), 08:40

    *   04 ELK日志采集/

      *   01 ELK 技术栈介绍 (25.85 MB), 05:43

      *   02 ELK 环境搭建（一） (78.87 MB), 14:30

      *   03 ELK 环境搭建（二） (35.27 MB), 05:57

      *   04 接入Nginx服务器日志 (39.55 MB), 07:03

    *   05 LangChain 智能体构建/

      *   01 LangChian能做什么 (26.13 MB), 04:32

      *   02 Agent + Tools 机制介绍 (20.66 MB), 04:56

      *   03 编写第一个 Agent 智能体 (135.47 MB), 22:23

      *   04 自定义工具开发 (98.72 MB), 16:32

    *   06 部署接入本地大模型/

      *   01 常见的模型量化版本 (60.35 MB), 10:32

      *   02 Ollama vLLM框架介绍 (26.48 MB), 05:46

      *   03 Ollama vLLM部署本地大模型 (145.91 MB), 22:58

      *   04 LangChain 调用 Ollama vLLM (58.43 MB), 09:11

      *   05 控制生成逻辑-模型调优名词介绍 (37.35 MB), 08:06

    *   07 嵌入式知识库与历史经验学习/

      *   01 RAG 技术介绍 (38.29 MB), 08:31

      *   02 常用向量数据库介绍 (21.06 MB), 04:21

      *   03 RetrieverQA 实战 (79.19 MB), 13:17

    *   08 构建故障自愈模块与告警介质/

      *   01 封装故障恢复命令为 Tool (38.51 MB), 06:35

      *   02 对接邮箱 (71.84 MB), 13:11

      *   03 对接企业微信 (37.88 MB), 06:16

      *   04 对接钉钉 (51.77 MB), 08:20

    *   09 Nginx故障诊断与恢复完整案例/

      *   01 LangChain智能体 + Tools 代码聚合 (84.22 MB), 14:06

      *   02 LangChain 智能体调试 (79.36 MB), 12:51

      *   03 关闭Nginx服务，模拟实际故障 (108.14 MB), 18:38

    *   10 故障可视化&告警统计&参数调优&生产部署/

      *   01 Kibana 看板功能介绍 (25.80 MB), 04:42

      *   02 构建告警故障仪表盘 (77.13 MB), 13:48

      *   03 Agent调优 (34.13 MB), 06:04

      *   04 将代码部署到服务器上 (97.12 MB), 16:28

      *   05 项目总结 (16.53 MB), 03:01

  *   03 Coze平台 AI Agent 智能体应用 开发/

    *   01 课程介绍/

      *   01 课程介绍 (13.62 MB), 04:34

    *   02 大模型与智能体/

      *   01 大模型与智能体 (206.72 MB), 01:13:06

    *   03 AI Agent智能体开发/

      *   01 AI Agent 智能体开发 - 视频1 (195.89 MB), 01:06:03

      *   02 AI Agent 智能体开发 - 视频2 (199.11 MB), 01:07:42

      *   03 AI Agent 智能体开发 - 视频3 (233.07 MB), 01:22:57

      *   04 AI Agent 智能体开发 - 视频4 (197.09 MB), 01:01:25

      *   05 AI Agent 智能体开发 - 视频5 (171.58 MB), 01:04:07

      *   06 AI Agent 智能体开发 - 视频6 (189.39 MB), 01:06:20

    *   04 Coze平台应用开发/

      *   01 Coze平台应用开发 (160.30 MB), 01:04:05

  *   04 AI大模型硬件架构/

    *   01 GPU架构与运作原理/

      *   01 AI大模型硬件架构-课程介绍 (47.82 MB), 07:18

      *   02 GPU初登场-英伟达H100基本架构与CPU通信方式 (41.08 MB), 15:25

      *   03 英伟达H100-GPU核心详解-计算控制与缓存 (21.11 MB), 09:02

      *   04 SM流式多处理器内部架构-从指令缓存到运算单元 (32.82 MB), 12:08

      *   05 英伟达H100缓存机制梳理-指令缓存与数据缓存 (23.67 MB), 08:29

      *   06 英伟达H100提升计算效率-TMA原理解析 (36.07 MB), 14:39

      *   07 GPU多组用户实现-从Ampere到Hopper (13.67 MB), 05:11

      *   08 GPU内部架构以及运作原理总结 (27.43 MB), 10:29

    *   02 GPU服务器架构与原理/

      *   01 传统AI服务器-Apollo6500架构解析 (24.04 MB), 09:48

      *   02 英伟达DGX服务器架构设计与分析 (49.02 MB), 19:00

      *   03 AMD晓龙处理器ROME7742架构 (24.18 MB), 08:41

      *   04 PCIE-Switch在DGX中的应用 (30.25 MB), 11:20

      *   05 NVLink-Switch多个A100如何连接 (25.00 MB), 09:17

      *   06 GPU服务器设计与实现总结 (22.90 MB), 08:47

    *   03 分布式IO 体系架构与原理/

      *   01 分布式训练IO体系-MagnumIO概要和组成 (30.67 MB), 11:32

      *   02 GPU与用户内存通信 (27.34 MB), 10:47

      *   03 GPU Direct P2P-Peer-to-Peer (17.57 MB), 07:20

      *   04 跨服务器的GPU互通-GPU Direct RDMA (19.44 MB), 07:56

      *   05 RDMA实现方式-4种协议 (25.95 MB), 09:15

      *   06 分布式训练IO体系-总结 (20.51 MB), 07:51

    *   04 GPU集群服务的网络设计与实现/

      *   01 GPU集群的网络设计与实现-三张网与两套方案 (20.34 MB), 06:35

      *   02 DGXA100-IB网与以太网方案 (34.17 MB), 11:58

      *   03 DGXA100-三种GPU连接方式 (9.11 MB), 03:56

      *   04 DGXA100-以太网连接方案 (21.36 MB), 08:15

      *   05 管理GPU集群-BMC与IPMI的实现 (14.62 MB), 05:26

      *   06 GPU集群的专线与互联网访问 (11.58 MB), 04:17

      *   07 GPU集群的网络设计与实现-总结 (25.05 MB), 09:05

    *   05 GPU虚拟化设计与原理/

      *   01 GPU板卡级算力调度技术 (9.22 MB), 03:25

      *   02 KVMPCI-e直通模式 (19.69 MB), 07:39

      *   03 KVM直通模式-租户独占GPU全过程 (22.21 MB), 10:22

      *   04 K8s容器独占模式 (12.67 MB), 05:26

      *   05 GPU板卡级算力调度技术-总结 (10.42 MB), 04:15

  *   05 AI智能体（Agent）开发实战：工业级项目案例驱动课/

    *   01 多Agent开发LangGraph实战课/

      *   01 课程介绍 (33.67 MB), 06:14

      *   02 01 LangGrpah基础之Agent智能体开发当今的尬尴局面 (31.22 MB), 13:11

      *   03 02 LangGrpah基础之Agent智能体开发框架哪个好 (15.22 MB), 06:10

      *   04 03 LangGrpah基础之如何学习一个Agent智能体框架 (18.29 MB), 08:18

      *   05 05 LangGrpah基础之LangGprah结构-Graph类设计 (30.72 MB), 07:58

      *   06 06 LangGrpah基础之LangGprah结构-GraphState类设计 (37.21 MB), 09:04

      *   07 07 LangGrpah基础之LangGprah结构-Nodes和Edges类设计 (29.01 MB), 05:44

      *   08 08 LangGrpah基础之LangGraph快速入门案例实践 (46.39 MB), 09:07

      *   09 09 LangGraph进阶之State核心-State状态模式 (31.64 MB), 06:20

      *   10 10 LangGraph进阶之State核心-Graph可视化 (21.95 MB), 04:23

      *   11 11 LangGraph进阶之State核心-Reducer函数机制 (42.70 MB), 09:59

      *   12 12 LangGraph进阶之State核心-基于State构建消息传递机制 (44.31 MB), 06:50

      *   13 13 LangGraph进阶之State核心-MessageGraph实践 (51.84 MB), 11:40

      *   14 14 LangGraph进阶之State核心-LangSmith监控神器 (19.03 MB), 04:50

      *   15 15 LangGraph进阶之State核心-LangGraph与LangSmith整合 (36.17 MB), 08:01

      *   16 16 LangGraph进阶之单代理-Router Agent-LangGraph四大代理架构 (27.20 MB), 09:19

      *   17 17 LangGraph进阶之单代理-Router Agent-逻辑初探 (22.49 MB), 06:25

      *   18 18 LangGraph进阶之单代理-Router Agent-应用程序构建 (12.96 MB), 03:20

      *   19 19 LangGraph进阶之单代理-Router Agent-结构化输出-提示词工程 (27.81 MB), 07:31

      *   20 20 LangGraph进阶之单代理-Router Agent-结构化输出-基于内置工具 (45.24 MB), 08:15

      *   21 21 LangGraph进阶之单代理-Router Agent-基于结构化输出构建Router图 (85.27 MB), 15:26

      *   22 22 LangGraph进阶之单代理-Tool Calling Agent-核心原理 (74.74 MB), 13:22

      *   23 23 LangGraph进阶之单代理-Tool Calling Agent-完整案例演示 (51.37 MB), 08:50

      *   24 24 LangGraph进阶之单代理-Tool Calling Agent-手动构建Tool Calling Agent (46.05 MB), 09:13

      *   25 25 LangGraph进阶之单代理-ReAct Agent-运行流程回顾 (28.97 MB), 12:02

      *   26 26 LangGraph进阶之单代理-ReAct Agent-LangChain实现方式 (51.15 MB), 10:49

      *   27 27 LangGraph进阶之单代理-ReAct Agent-LangGraph实现方式 (11.67 MB), 03:56

      *   28 28 LangGraph进阶之单代理-ReAct Agent-实操-工具准备(1) (36.84 MB), 06:36

      *   29 29 LangGraph进阶之单代理-ReAct Agent-实操-原理剖析(2) (28.47 MB), 06:49

      *   30 30 LangGraph进阶之单代理-ReAct Agent-实操-效果测试(3) (64.01 MB), 11:50

      *   31 31 LangGraph进阶之事件流-流输出模式 (40.21 MB), 09:17

      *   32 32 LangGraph进阶之事件流-流输出模式测试 (79.50 MB), 13:47

      *   33 33 LangGraph进阶之事件流-事件流应用 (54.75 MB), 09:30

      *   34 34 LangGraph进阶之长短期记忆-目前应用程序存在的问题 (65.41 MB), 13:37

      *   35 35 LangGraph进阶之长短期记忆-长短期记忆的区别 (23.05 MB), 05:51

      *   36 36 LangGraph进阶之长短期记忆-短期记忆实现原理 (62.91 MB), 13:56

      *   37 37 LangGraph进阶之长短期记忆-基于MemorySaver实现短期记忆 (83.22 MB), 14:12

      *   38 38 LangGraph进阶之长短期记忆-基于SqliteSaver实现短期记忆 (42.98 MB), 08:19

      *   39 39 LangGraph进阶之长短期记忆-实现带有记忆的智能天气助手 (75.52 MB), 11:34

      *   40 40 LangGraph进阶之长短期记忆-基于Store实现长期记忆 (47.60 MB), 11:05

      *   41 41 LangGraph进阶之人机交互-Agent中为什么需要人机交互 (13.94 MB), 05:22

      *   42 42 LangGraph进阶之人机交互-LangGraph的人机交互实现原理 (20.25 MB), 06:59

      *   43 43 LangGraph进阶之人机交互-Graph中添加断点实践 (114.51 MB), 20:03

      *   44 44 LangGraph进阶之人机交互-Graph中添加动态断点实践 (53.18 MB), 10:58

      *   45 45 LangGraph进阶之人机交互-Graph中添加动态断点代码编写 (53.13 MB), 11:11

      *   46 46 LangGraph进阶之人机交互-Graph中添加动态断点测试 (105.25 MB), 18:47

      *   47 47 LangGraph实战之多代理-5个AI阶段 (21.37 MB), 06:13

      *   48 48 LangGraph实战之多代理-单代理架构缺陷 (31.39 MB), 09:02

      *   49 49 LangGraph实战之多代理-Multi Agent架构类型 (20.64 MB), 04:53

      *   50 50 LangGraph实战之多代理-父子图之间的消息传递(上) (63.77 MB), 10:59

      *   51 51 LangGraph实战之多代理-父子图之间的消息传递(下) (45.43 MB), 07:53

      *   52 52 LangGraph实战之多代理-Network多代理需求分析(1) (61.16 MB), 14:01

      *   53 53 LangGraph实战之多代理-Network多代理代码编写(2) (93.87 MB), 17:53

      *   54 54 LangGraph实战之多代理-Network多代理功能测试(3) (29.80 MB), 05:27

      *   55 55 LangGraph实战之多代理-Magentic-One原理剖析 (43.32 MB), 07:44

      *   56 56 LangGraph实战之多代理-Supervisor原理剖析与代码实践 (75.91 MB), 12:39

      *   57 57 LangGraph实战之多代理-基于Supervisor架构实现多代理系统 (60.87 MB), 10:34

      *   58 58 LangGraph实战之多代理-Multi Agent综合实战-GrpahRAG的原理(1) (25.77 MB), 08:52

      *   59 59 LangGraph实战之多代理-Multi Agent综合实战-Neo4J入库 (49.57 MB), 07:44

      *   60 60 LangGraph实战之多代理-Multi Agent综合实战-图数据库效果测试(3) (39.19 MB), 07:20

      *   61 61 LangGraph实战之多代理-Multi Agent综合实战-向量数据入库(4) (76.50 MB), 15:01

      *   62 62 LangGraph实战之多代理-Multi Agent综合实战-最终效果验证(5) (16.59 MB), 02:58

      *   63 63 LangGraph课程总结 (6.85 MB), 03:18

    *   02 GraphRAG深度剖析/

      *   01 01 GraphRAG原理篇之传统RAG流程回顾 (36.51 MB), 17:34

      *   02 02 GraphRAG原理篇之传统RAG流程痛点分析 (8.28 MB), 04:18

      *   03 03 GraphRAG原理篇之什么是知识图谱 (11.61 MB), 05:22

      *   04 04 GraphRAG原理篇之GraphRAG 产品对比 (25.93 MB), 08:17

      *   05 05 GraphRAG原理篇之GraphRAG 环境部署 (42.03 MB), 07:40

      *   06 06 GraphRAG原理篇之GraphRAG 核心参数配置 (48.60 MB), 09:24

      *   07 07 GraphRAG原理篇之GraphRAG核心命令快速体验 (20.72 MB), 05:54

      *   08 08 GraphRAG原理篇之Microsoft GraphRAG原理 (15.35 MB), 08:00

      *   09 09 GraphRAG Index源码篇之源码环境准备 (59.63 MB), 14:08

      *   10 10 GraphRAG Index源码篇之index初始化动作 (63.32 MB), 12:45

      *   11 11 GraphRAG Index源码篇之文档加载格式 (35.58 MB), 08:38

      *   12 12 GraphRAG Index源码篇之文档加载策略 (28.52 MB), 08:55

      *   13 13 GraphRAG Index源码篇之文档切分策略 (37.82 MB), 11:22

      *   14 14 GraphRAG Index源码篇之文档切分逻辑 (19.18 MB), 05:37

      *   15 15 GraphRAG Index源码篇之文档切分内容 (48.90 MB), 08:48

      *   16 16 GraphRAG Index源码篇之文档实体和关系抽取 (82.08 MB), 16:10

      *   17 17 GraphRAG Index源码篇之实体和关系摘要生成 (38.00 MB), 08:05

      *   18 18 GraphRAG Index源码篇之实体和关系内容窥探 (26.21 MB), 04:44

      *   19 19 GraphRAG index源码篇之finalize_graph结果查看 (23.52 MB), 04:49

      *   20 20 GraphRAG index源码篇之社区检测流程 (22.14 MB), 08:32

      *   21 21 GraphRAG index源码篇之合并知识图谱 (44.75 MB), 09:19

      *   22 22 GraphRAG index源码篇之生成社区报告 (32.69 MB), 07:59

      *   23 23 GraphRAG index源码篇之社区报告内容查看 (23.32 MB), 05:40

      *   24 24 GraphRAG index源码篇之索引结构向量化 (17.39 MB), 04:46

      *   25 25 GraphRAG 图数据库篇之图数据库准备 (59.06 MB), 14:25

      *   26 26 GraphRAG 图数据库篇之创建节点 (54.15 MB), 14:05

      *   27 27 GraphRAG 图数据库篇之创建属性 (13.32 MB), 04:43

      *   28 28 GraphRAG 图数据库篇之常见需求Cypher语句 (33.47 MB), 08:38

      *   29 29 GraphRAG 图数据库篇之导入图数据数据脚本研发 (122.57 MB), 20:04

      *   30 30 GraphRAG 图数据库篇之导入text_units数据 (70.33 MB), 12:38

      *   31 31 GraphRAG 图数据库篇之导入entities数据 (85.69 MB), 15:27

      *   32 32 GraphRAG 图数据库篇之导入relationships数据 (43.36 MB), 09:46

      *   33 33 GraphRAG 图数据库篇之导入communities数据 (39.84 MB), 07:42

      *   34 34 GraphRAG 图数据库篇之导入community_reports数据 (47.45 MB), 10:16

      *   35 35 GraphRAG Query源码篇之Global流程概述 (14.57 MB), 04:44

      *   36 36 GraphRAG Query源码篇之Local流程概述 (8.29 MB), 03:12

      *   37 37 GraphRAG Query源码篇之Query源码环境准备 (38.14 MB), 08:08

      *   38 38 GraphRAG Query源码篇之读取索引文件信息 (22.89 MB), 04:41

      *   39 39 GraphRAG Query源码篇之加载Embedding向量文件 (26.57 MB), 05:22

      *   40 40 GraphRAG Query源码篇之获取社区报告数据 (17.47 MB), 04:59

      *   41 41 GraphRAG Query源码篇之查询提示词模板设计 (31.26 MB), 07:20

      *   42 42 GraphRAG Query源码篇之用户问题与实体信息匹配 (35.76 MB), 08:44

      *   43 43 GraphRAG Query源码篇之实体与社区信息匹配 (15.43 MB), 03:28

      *   44 44 GraphRAG Query源码篇之构建完整提示词生成答案 (33.21 MB), 06:05

      *   45 45 GraphRAG Query源码篇之Global流程解析 (9.32 MB), 03:13

      *   46 46 GraphRAG Query源码篇之索引文件加载 (17.97 MB), 04:39

      *   47 47 GraphRAG Query源码篇之加载索引文件内容展示 (24.35 MB), 04:20

      *   48 48 GraphRAG Query源码篇之静态社区与动态社区 (60.05 MB), 12:30

      *   49 49 GraphRAG Query源码篇之Map-Reduce结果展示 (34.82 MB), 06:12

      *   50 50 GraphRAG 课程总结 (1.29 MB), 00:36

    *   03 大型企业级智能客服项目实战/

      *   01 01 智能客服之需求分析 (60.97 MB), 14:18

      *   02 02 智能客服之全景架构设计 (34.67 MB), 17:22

      *   03 03 智能客服之技术选型 (20.74 MB), 10:02

      *   04 04 智能客服之资源评估 (57.74 MB), 15:58

      *   05 05 智能客服之模型能力测试-平台推荐(1) (49.26 MB), 13:49

      *   06 06 智能客服之模型能力测试-测评环境构建(2) (60.46 MB), 10:53

      *   07 07 智能客服之模型能力测试-测评数据集介绍(3) (83.94 MB), 14:39

      *   08 08 智能客服之模型能力测试-模型能力测试对比演练(4) (39.18 MB), 08:47

      *   09 09 智能客服之模型部署-部署工具安装(1) (43.44 MB), 09:47

      *   10 10 智能客服之模型部署-核心参数配置(2) (39.97 MB), 11:25

      *   11 11 智能客服之模型部署-GPU负载均衡设计(3) (24.89 MB), 04:53

      *   12 12 智能客服之模型压力测试-API实践（上） (65.40 MB), 12:29

      *   13 13 智能客服之模型压力测试-API实践（中） (106.31 MB), 18:47

      *   14 14 智能客服之模型压力测试-API实践（下） (30.60 MB), 05:58

      *   15 15 智能客服之模型压力测试-并发效果测试 (27.50 MB), 06:31

      *   16 16 智能客服之模型压力测试-并发测试脚本开发 (66.16 MB), 15:19

      *   17 17 智能客服之模型压力测试-在线DeepSeek模型压力测试 (58.86 MB), 10:52

      *   18 18 智能客服版本1之项目部署-项目文件和功能展示 (73.32 MB), 14:49

      *   19 19 智能客服版本1之项目部署-模型私有化部署 (40.54 MB), 07:29

      *   20 20 智能客服版本1之项目部署-MySQL数据库安装 (13.92 MB), 02:59

      *   21 21 智能客服版本1之项目部署-Redis数据库安装 (40.53 MB), 07:10

      *   22 22 智能客服版本1之项目部署-项目启动与功能测试 (95.82 MB), 19:25

      *   23 23 智能客服版本1之技术方案-前后端分离 (55.11 MB), 15:47

      *   24 24 智能客服版本1之技术方案-缓存语义相似度方案(上) (16.77 MB), 07:42

      *   25 25 智能客服版本1之技术方案-缓存语义相似度方案(下) (109.48 MB), 23:44

      *   26 26 智能客服版本1之技术方案-外部函数调用 (62.24 MB), 13:39

      *   27 27 智能客服版本1之代码落地-数据库表设计 (42.42 MB), 11:19

      *   28 28 智能客服版本1之代码落地-用户登录接口实现(上) (29.50 MB), 09:17

      *   29 29 智能客服版本1之代码落地-用户登录接口实现(下) (41.73 MB), 09:55

      *   30 30 智能客服版本1之代码落地-对话接口实现（上） (33.13 MB), 05:51

      *   31 31 智能客服版本1之代码落地-对话接口实现（下） (96.74 MB), 18:13

      *   32 32 智能客服版本1之代码落地-联网搜索功能实现 (58.38 MB), 14:44

      *   33 33 智能客服版本2之智能客服整体技术方案 (31.39 MB), 16:42

      *   34 34 智能客服版本2之智能客服核心技术选型(上) (21.41 MB), 10:36

      *   35 35 智能客服版本2之智能客服核心技术选型(下) (30.16 MB), 14:35

      *   36 36 智能客服版本2之智能客服数据方案架构设计 (15.14 MB), 07:28

      *   37 37 智能客服版本2之结构化数据-csv数据准备 (60.53 MB), 10:50

      *   38 38 智能客服版本2之结构化数据-csv数据处理方案设计 (47.37 MB), 10:50

      *   39 39 智能客服版本2之结构化数据-自然语言数据文件预处理 (83.00 MB), 16:18

      *   40 40 智能客服版本2之结构化数据-数据切割策略优化 (105.33 MB), 21:54

      *   41 41 智能客服版本2之结构化数据-自然语言数据切割逻辑 (60.71 MB), 10:45

      *   42 42 智能客服版本2之结构化数据-自适应提示词流程设计 (144.86 MB), 24:38

      *   43 43 智能客服版本2之结构化数据-GraphRAG数据生成 (25.09 MB), 04:28

      *   44 44 智能客服版本2之结构化数据-结构化数据导图数库 (94.13 MB), 17:34

      *   45 45 智能客服版本2之多模态数据-minerU开源项目介绍 (60.85 MB), 14:06

      *   46 46 智能客服版本2之多模态数据-minerU项目原理剖析 (35.18 MB), 08:58

      *   47 47 智能客服版本2之多模态数据-基于minerU解析PDF文件 (61.94 MB), 14:10

      *   48 48 智能客服版本2之多模态数据-minerU结果格式文件详解 (79.97 MB), 15:21

      *   49 49 智能客服版本2之多模态数据-minerU工程化落地方案设计 (62.46 MB), 11:47

      *   50 50 智能客服版本2之多模态数据-PDF数据处理方案总体设计 (35.67 MB), 11:42

      *   51 51 智能客服版本2之多模态数据-PDF数据加载 (88.18 MB), 17:02

      *   52 52 智能客服版本2之多模态数据-PDF数据后处理逻辑 (172.49 MB), 30:17

      *   53 53 智能客服版本2之多模态数据-PDF数据处理中间文档 (20.42 MB), 03:41

      *   54 54 智能客服版本2之多模态数据-PDF数据切割策略 (93.86 MB), 20:16

      *   55 55 智能客服版本2之多模态数据-PDF数据处理全流程联调 (68.21 MB), 12:33

      *   56 56 智能客服版本2之GraphRAG工程化-方案设计 (54.02 MB), 14:36

      *   57 57 智能客服版本2之GraphRAG工程化-动态提示词模块接口设计 (74.39 MB), 13:29

      *   58 58 智能客服版本2之GraphRAG工程化-全量索引构建接口设计 (101.96 MB), 17:28

      *   59 59 智能客服版本2之GraphRAG工程化-增量索引构建接口设计 (73.63 MB), 12:47

      *   60 60 智能客服版本2之GraphRAG工程化-查询接口设计 (58.81 MB), 12:46

      *   61 61 智能客服版本2之GraphRAG工程化-数据接口前后端联调 (30.36 MB), 06:00

      *   62 62 智能客服版本2之Multi Agent架构之总体设计 (46.69 MB), 19:29

      *   63 63 智能客服版本2之Multi Agent架构之项目功能预览 (56.92 MB), 15:00

      *   64 64 智能客服版本2之Multi Agent架构之意图识别设计 (38.31 MB), 08:06

      *   65 65 智能客服版本2之Multi Agent架构之普通问答流程设计 (10.93 MB), 02:26

      *   66 66 智能客服版本2之Multi Agent架构之安全护栏设计 (26.93 MB), 06:41

      *   67 67 智能客服版本2之Multi Agent架构之复杂问题拆解 (39.98 MB), 08:18

      *   68 68 智能客服版本2之Multi Agent架构之工具选择 (62.22 MB), 12:23

      *   69 69 智能客服版本2之Multi Agent架构之GraphRAG查询 (20.41 MB), 03:55

      *   70 70 智能客服版本2之Multi Agent架构之基于规则引擎查询 (37.97 MB), 07:33

      *   71 71 智能客服版本2之Multi Agent架构之Text2Code查询 (76.44 MB), 15:50

      *   72 72 智能客服版本2之Multi Agent架构之支持多模态查询 (36.84 MB), 07:25

      *   73 73 智能客服版本2之Multi Agent架构之全流程演示 (60.09 MB), 12:36

    *   04 课程加餐-LangChain快速入门(新版本)/

      *   01 01 LangChain开发基础之生态介绍（上） (39.09 MB), 12:31

      *   02 02 LangChain开发基础之生态介绍（下） (55.49 MB), 18:56

      *   03 03 LangChain开发基础之接入大模型 (83.31 MB), 14:40

      *   04 04 LangChain开发基础之构建最简单的Chain (48.52 MB), 10:59

      *   05 05 LangChain开发基础之构建复杂Chain (23.72 MB), 07:09

      *   06 06 LangChain开发基础之构建复合Chain (25.58 MB), 05:59

      *   07 07 LangChain开发基础之LCEL语言 (23.87 MB), 06:36

      *   08 08 LangChain开发基础之智能问答系统案例实践 (41.13 MB), 07:17

      *   09 09 LangChain智能体Agent之Function Call流程回顾 (28.70 MB), 08:01

      *   10 10 LangChain智能体Agent之Agent智能体构建 (58.64 MB), 10:13

      *   11 11 LangChain智能体Agent之多工具并联串联调用 (31.52 MB), 05:37

      *   12 12 LangChain智能体Agent之浏览器机器人 (34.63 MB), 06:09

      *   13 13 LangChain大模型协议MCP之MCP原理 (26.14 MB), 11:14

      *   14 14 LangChain大模型协议MCP之MCP快速入门 (76.28 MB), 13:27

      *   15 15 LangChain大模型协议MCP之智能天气系统案例实践 (30.89 MB), 05:42

      *   16 16 LangChain知识库RAG之RAG流程回顾 (26.88 MB), 10:17

      *   17 17 LangChain知识库RAG之LangChain如何支持RAG (21.85 MB), 04:20

      *   18 18 LangChain知识库RAG之本地知识库综合案例实践 (95.18 MB), 19:33

*   03 第三阶段 AI热门技术扩展/

  *   01 大模型应用框架n8n从入门到集成实战课：「认知→部署→配置→生态对接」的完整链路/

    *   01 认知破局精准选型/

      *   01 体系化认知：n8n 自动化能力全景透视（从工具本质到行业价值 (30.15 MB), 08:36

      *   02 精准选型：n8n vs 主流工具「技术选型决策矩阵」（避坑指 (42.65 MB), 11:27

      *   03 高效入门：n8n 官方生态与基础操作极速通关（1小时掌握核心 (44.22 MB), 07:55

    *   02 极速部署技术攻坚/

      *   01 多端落地：n8n 跨环境安装+本地化汉化 (23.50 MB), 07:07

      *   02 零代码可视化：1panel 图形化部署 n8n 全流程拆解（ (10.92 MB), 03:16

      *   03 Docker 实战：n8n 容器化部署+权限体系激活全解（企 (33.22 MB), 09:18

    *   03 内核赋能效率倍增/

      *   01 n8n API 调用+社区节点生态扩展（打破工具边界，对接私 (30.28 MB), 09:51

      *   02 模板化提效：n8n 工作空间管理与复用「高阶战术」（团队协作 (32.91 MB), 08:35

      *   03 从0到1：n8n 首条工作流构建+版本管控「踩坑实录」 (25.04 MB), 09:51

      *   04 AI 协同：n8nOllama 智能工作流全链路落地（自然 (37.36 MB), 09:19

      *   05 企业级方案：n8n飞书多维表格「数据自动化流转」（办公场景 (53.31 MB), 15:22

      *   06 全域采集：n8n 调用飞书 API 「全域数据抓取」技术方案 (42.96 MB), 11:27

      *   07 数据引擎：n8n 数据库层「增查操作」技术攻坚（含生产级踩坑 (44.96 MB), 11:38

      *   08 运维提效：n8n 数据库状态「动态更新+版本回溯」实战（企业 (32.73 MB), 07:03

      *   09 批量作业：n8nMySQL 「数据批量处理」技术方案 (20.70 MB), 05:29

      *   10 全域连接：n8n 多平台邮箱「自动化配置+触发策略」（营销 (22.96 MB), 05:36

      *   11 全域触达：n8n+RSS 信息流「自动化邮件分发系统」搭建 (22.34 MB), 07:03

      *   12 场景化 AI：n8n高德 API 「气象自动化采集+应用」 (41.51 MB), 11:20

    *   04 课程的资料/

      *   01 讲义 (40.57 MB), 06:35

  *   02 Dify+OCR图文识别智能体开发项目实战/

    *   01 Dify开发环境准备/

      *   01 本课程简介及快速阅览 (79.42 MB), 11:26

      *   02 Ollama本地布署大模型deepseek (37.96 MB), 06:26

      *   03 Ollama本地布署多模态vl大模型 (27.97 MB), 04:32

      *   04 Docker容器引擎桌面版安装 (34.22 MB), 05:29

      *   05 Dify接入Ollama本地化大模型 (40.23 MB), 06:12

      *   06 Dify接入远程deepseek大模型 (25.20 MB), 03:47

      *   07 Dify接入远程阿里qwen大模型 (29.68 MB), 04:36

    *   02 Django项目构建/

      *   01 django 功能简介 (35.49 MB), 05:29

      *   02 django 软件安装 (46.68 MB), 07:05

      *   03 django 构建web应用 (40.58 MB), 06:21

      *   04 django 构建Restful微服务 (30.92 MB), 05:05

      *   05 django 集成数据库 (45.70 MB), 06:57

      *   06 django 导入权限菜单 (50.35 MB), 07:47

      *   07 django 挂载MCP服务 (32.51 MB), 05:09

    *   03 Dify多模态vl技术预演/

      *   01 Dify基础回顾：整体介绍 (56.23 MB), 08:34

      *   02 Dify基础回顾：聊天助手 (28.95 MB), 05:02

      *   03 Dify基础回顾：智能体与工具 (34.31 MB), 05:17

      *   04 Dify基础回顾：文本生成 (33.18 MB), 05:01

      *   05 Dify基础回顾：知识库 (42.41 MB), 06:36

      *   06 Dify基础回顾：工作流编排1 (37.75 MB), 05:52

      *   07 Dify基础回顾：工作流编排2 (48.86 MB), 07:33

      *   08 Dify基础回顾：工作流编排3 (35.08 MB), 05:25

      *   09 OCR图片识别—Image2Text (33.09 MB), 04:59

      *   10 票据识别—单张发票识别 (47.37 MB), 07:12

      *   11 票据识别—多张发票识别 (43.77 MB), 06:40

    *   04 Dify集成django项目/

      *   01 Dify网页嵌套集成—配置菜单1 (30.59 MB), 04:45

      *   02 Dify网页嵌套集成—配置菜单2 (44.32 MB), 06:47

      *   03 Dify网页嵌套集成—配置菜单3 (35.62 MB), 05:37

      *   04 Dify调用Http集成—查询数据 (54.30 MB), 08:24

      *   05 Dify调用Http集成—传递发票文件 (50.90 MB), 07:48

      *   06 Dify调用Http集成—返回Excel文件 (39.27 MB), 06:05

    *   05 Dify接入本地MCP预演/

      *   01 MCP介绍和初始化发票结构 (56.03 MB), 08:32

      *   02 Dify连接自定义的MCP Server (57.04 MB), 08:47

      *   03 MCP集成本地数据库—发票存储 (26.92 MB), 04:09

      *   04 MCP集成本地数据库—查询发票 (28.28 MB), 04:13

      *   05 Dify接入本地MCP服务—票据入库 (86.91 MB), 13:14

      *   06 Dify接入本地MCP服务—检索发票 (48.49 MB), 07:23

    *   06 发票识别模块/

      *   01 发票识别—构建工作流 (73.77 MB), 11:15

      *   02 发票识别—绑定用户 (70.04 MB), 10:44

      *   03 发票识别—流转存储标识 (48.11 MB), 07:30

      *   04 发票识别—单张票据表格导出 (67.50 MB), 10:16

      *   05 发票识别—多张票据表格导出 (45.80 MB), 07:12

      *   06 发票识别—同步发票图片 (59.72 MB), 09:16

    *   07 发票管理模块/

      *   01 发票管理—票据列表 (68.66 MB), 11:19

      *   02 发票管理—票据查询 (62.62 MB), 09:52

      *   03 发票管理—票据详情 (42.17 MB), 06:39

      *   04 发票管理—票据查看 (35.75 MB), 05:34

      *   05 发票管理—导出Excel (67.01 MB), 10:22

      *   06 Dify集成数据库MCP服务 (37.99 MB), 05:48

      *   07 Dify构建票据查询智能体 (45.30 MB), 07:55

    *   08 发票统计报表/

      *   01 App报表模块—按天统计 (68.46 MB), 10:38

      *   02 App报表模块—月度统计 (56.29 MB), 08:48

      *   03 App报表模块—季度统计 (58.55 MB), 09:12

      *   04 App报表模块—年度统计 (62.92 MB), 10:06

      *   05 Dify报表插件Echarts安装 (29.38 MB), 04:58

      *   06 Dify构建票据报表智能体 (47.98 MB), 08:04

      *   07 Dify报表智能体之柱状图 (32.07 MB), 05:01

      *   08 Dify报表智能体之饼图 (40.89 MB), 06:19

      *   09 Dify报表智能体之线性图 (38.02 MB), 05:53

    *   09 Docker企业级项目布署/

      *   01 企业级项目结构分解 (75.27 MB), 11:18

      *   02 编写Django应用的Dockerfile (56.93 MB), 08:33

      *   03 编写MCP服务的Dockerfile (33.53 MB), 05:02

      *   04 配置docker-compose.yml (57.17 MB), 08:36

      *   05 配置环境变量与依赖 (45.02 MB), 06:43

      *   06 Django项目配置调整 (39.55 MB), 06:05

      *   07 Docker服务编排项目发布 (66.28 MB), 10:06

  *   03 GPT5生成代码实战/

    *   01 GPT5生成代码实战/

      *   01 01-GPT5编程能力介绍 (41.83 MB), 11:05