AI工程师：想将LLM与知识图谱、数据库结合，开发更智能的AI应用，提升技术深度的你。 数据科学家：需要利用LLM处理和分析数据库中的海量数据，挖掘知识价值的从业者。 全栈开发者：希望掌握LLM与LangChain框架，搭建端到端智能应用的开发人员。 技术创业者：计划开发基于LLM的智能产品，需要整合知识图谱和数据库技术的创业者。 AI爱好者：对大语言模型应用落地充满兴趣，想亲手实践复杂AI系统开发的技术发烧友。

*   01 第一部分 基于LangChain + ChatGLM-6B的本地知识库问答/

  *   01 第一课 langchain的整体组成架构 (227.69 MB), 53:32

  *   02 第二课 langchain的十个应用示例：文档问答数据库问答智能体Agents等 (190.85 MB), 49:02

  *   03 第三课(上) ChatGLM-6B的基座、部署、微调、实现 (330.03 MB), 01:17:35

  *   04 第三课(下) baichuan7B13B的结构与微调 (90.18 MB), 21:19

  *   05 第四课 langchain + ChatGLM-6B搭建本地知识库问答 (189.66 MB), 54:24

  *   06 第五课 本地知识库问答系统的搭建与部署 (237.14 MB), 57:04

  *   07 第五课补充：GPU登录及使用说明 (42.10 MB), 11:04

*   02 第二部分 逐行深入分析：langchain-ChatGLM项目的源码解读/

  *   01 第六课 agent、models、configs、loader、textsplitter (178.86 MB), 49:22

  *   02 第七课 knowledge_bas、chains、vectorstores (194.59 MB), 01:02:41

*   03 第三部分 LLM结合知识图谱的实战/

  *   01 第八课 知识图谱与LLM的彼此促进与协同 (265.47 MB), 01:31:13

  *   02 第九课 LLM结合KG的项目实战：知识抽取KnowLM (316.34 MB), 01:27:09

  *   03 第十课 基于知识图谱的LLM推理 (330.19 MB), 01:30:15

*   04 第四部分 LLM与数据库的结合：DB-GPT/

  *   01 第十一课 DB-GPT的架构：用私有化LLM技术定义数据库下一代交互方式 (214.71 MB), 01:07:34

  *   02 第十二课 DB-GPT的应用 (342.07 MB), 01:23:08