01 【赠送】大模型必备Python基础
01 Lesson 1.Hello World!
02 Lesson 2.数值型对象的创建
03 Lesson 3.数值型对象的科学运算
04 Lesson 4.布尔型对象
05 Lesson 5.字符串型对象的创建
06 Lesson 6.字符串索引
07 Lesson 7.字符串的常用方法（1）
08 Lesson 8.字符串常用方法（2）
09 Lesson 9.列表对象的创建与索引
10 Lesson 10.列表的常用方法（1）
11 Lesson 11.列表常用方法（2）
12 Lesson 12.元组对象的创建与索引
13 Lesson 13.元组的常用方法
14 Lesson 14.字典对象的创建与索引
15 Lesson 15.字典的常用方法
16 Lesson 16.集合的创建（新）
17 Lesson 17.集合的常用方法（新）
18 Lesson 18.冻集合的创建与使用
19 Lesson 19.控制语句(1)：判别语句
20 Lesson 20.控制语句(2)：循环语句
21 Lesson 21.控制语句(3)：条件循环
22 Lesson 22.函数(1)：函数的使用
23 Lesson 23.函数(2)：函数的参数
24 Lesson 24.函数(3)：变量作用域与lambda函数
25 Lesson 25.类的创建
26 Lesson 26.类的方法和继承
27 Lesson 27.NumPy基础
28 Lesson 28.NumPy数组的常用方法
29 Lesson 29.NumPy的广播与科学计算
30 Lesson 30.Pandas入门
31 Lesson 31.DataFrame数据结构基础
02 【part 1】大模型部署软硬件环境准备
01 00 大模型全领域技术介绍与学习路径
02 1.1 电脑硬件选配指南
03 1.2 GPU选择指南
04 2.1 免费在线GPU算力租赁指南
05 2.2 付费在线GPU算力租赁指南
06 3.1 Win&Ubuntu双系统安装方法
07 3.2 Ubuntu系统初始化配置方法
08 4.1 大模型GPU选配方法基本说明
09 4.2 主流GPU分类及对应使用场景介绍
10 4.3 主流GPU性能及性价比天梯图
11 4.4 各类大模型显存占用及运行推荐配置
12 4.5 个人或公司推荐大模型运行配置
13 4.6 GPU基础理论补充及性能核心指标介绍
14 5 AutoDL租赁与使用方法
03 【part 2】大模型部署与调用方法（赠送）
01 【DS-v3 本地部署】1.1 DeepSeek v3开源情况介绍
02 【DS-v3 本地部署】1.2 DeepSeek v3本地部署
03 【DS-v3 本地部署】1.3 SGLang、LM和vLLM部署程
04 【DS-v3 本地部署】1.4 DeepSeek v3模型情况介绍
05 【DS-v3 本地部署】2 GitHub开源情况
06 【DS-v3 本地部署】3 DeepSeek v3技术报告解读
07 【DS-R1 本地部署】1.1 DeepSeek R1本地部署指南
08 【DS-R1 本地部署】1.2 DeepSeek R1模型组情况介绍
09 【DS-R1 本地部署】1.3 DeepSeek R1开源情况介绍
10 【DS-R1 本地部署】1.4 DeepSeek R1本地部署调用
11 【DS-R1 本地部署】1.5 Ollama_vLLM_SG_LMD
12 【DS-R1 本地部署】1.6 R1 Distill模型搭建
13 【DS-R1 本地部署】1.7 借助transformer库调用模型
14 【DS-R1 本地部署】1.8 借助ollama调用模型
15 【DS-R1+Open-Webui部署实战】1.1 企业级部署实战说明
16 【DS-R1+Open-Webui部署实战】1.2 ollama离线安装
17 【DS-R1+Open-Webui部署实战】1.3 Embedding模型部署流程
18 【DS-R1+Open-Webui部署实战】1.4 联网、代码解释器功能实现流程
19 【DS-R1+Open-Webui部署实战】1.5 DeepSeek R1本地知识库问答
20 【DS-R1+Open-Webui部署实战】1.6 外部工具调用与查询查询实时天气
21 【DS-R1+Open-Webui部署实战】1.7 连接MySQL进行数据对话
22 【DS-v3 API 调用】1.1 DeepSeek v3模型性能介绍
23 【DS-v3 API 调用】1.2 DeepSeek v3开源情况介绍
24 【DS-v3 API 调用】1.3 API-Key获取与模型调用方法
25 【DS-v3 API 调用】1.4 DeepSeek v3模型参数详解
26 【DS-v3 API 调用】1.5 搭建DeepSeek v3对话机器人
27 【DS-v3 API 调用】2.1 Function calling功能
28 【DS-v3 API 调用】2.2 完整Function calling
29 【DS-v3 API 调用】3. Open WebUI搭建专属聊天机器人
30 【DS-R1 API 调用】1.1 DeepSeek R1快速入门实战
31 【DS-R1 API 调用】1.2 DeepSeek R1模型介绍
32 【DS-R1 API 调用】1.3 DeepSeek R1 API调用流程
33 【DS-R1 API 调用】1.4 DeepSeek R1参数说明与功能限制
34 【DS-R1 API 调用】1.5 DeepSeek R1自动编程
35 【DS-R1高性能部署实战】1.1 DeepSeek R1高性能部署方案（上）
36 【DS-R1高性能部署实战】1.2 DeepSeek R1高性能部署方案（下）
37 【DS-R1高性能部署实战】1.3 KTransformers部署注意事项
38 【DS-R1高性能部署实战】1.4 KT项目模型权重与配置文件下载
39 【DS-R1高性能部署实战】1.5 KT项目依赖安装与启动过程
40 【DS-R1高性能部署实战】1.6 KT对话效果展示
41 【DS-R1高性能部署实战】1.7 基于KT编写OpenAI风格API
42 【DS-R1高性能部署实战】1.8 KT与Open-WebUI集成方法
43 【KT+Unsloth联合部署方案】1.1 动态量化方案介绍
44 【KT+Unsloth联合部署方案】1.2 KT+Unsloth联合部署思路
45 【KT+Unsloth联合部署方案】1.3 动态量化模型权重与配置文件下载
46 【KT+Unsloth联合部署方案】1.4 KT运行动态量化模型及效果查看
47 【KT+Unsloth联合部署方案】1.5 Restful风格API开启流程
48 【KT+Unsloth联合部署方案】1.6 基于KT的OpenAI风格API
49 【KT+Unsloth联合部署方案】1.7 Open-WebUI实现流程
50 【Qwen3部署指南】1.1 Qwen3模型核心特性介绍
51 【Qwen3部署指南】1.2 Qwen3模型训练流程介绍
52 【Qwen3部署指南】1.3 Qwen3各模型适用场景与硬件选择
53 【Qwen3部署指南】1.4【底层开发】Transformer调用Qwen3模型流程详解
54 【Qwen3部署指南】1.5【个人使用】ollama调用Qwen3模型完整流程详解
55 【Qwen3部署指南】1.6【企业级部署】vLLM调用Qwen3模型流程详解
56 【Qwen3部署指南】1.7【CPU推理】llama.cpp调用Qwen3流程
57 【Qwen3部署指南】1.8【企业级前端】Open-WebUI调用Qwen3流程
58 【Claude 3.5 sonnet 调用方法详解】1.1 Claude介绍
59 【 Claude 3.5 sonnet 调用方法详解】1.2 Claude的注册流程
60 【Claude 3.5 sonnet 调用方法详解】1.3 API_KEY领取
61 【Claude 3.5 sonnet 调用方法详解】2.1 API从入门到精通
62 【Claude 3.5 sonnet 调用方法详解】2.2 API多模态的最佳实践
63 【Claude 3.5 sonnet 调用方法详解】2.3 API生成定制化
64 【Claude 3.5 sonnet 调用方法详解】3.1 tool use流程讲解
65 【Claude 3.5 sonnet 调用方法详解】3.2 定制Json输出
66 【Claude 3.5 sonnet 调用方法详解】4.1 提示缓存
67 【Claude 3.5 sonnet 调用方法详解】4.2 stream流式概念
68 【Claude 3.5 sonnet 调用方法详解】4.3 stream函数及生成器
69 【Claude 3.5 sonnet 调用方法详解】4.4 异步的使用原因与基本语法
70 【Claude 3.5 sonnet 调用方法详解】4.5 异步的API调用的讲解
71 【Gemini 系列调用方法详解】1.1 Gemini注册指南-免费API调用
72 【Gemini 系列调用方法详解】1.2 生态体验攻略与微调实战
73 【Gemini 系列调用方法详解】2.1 解锁 Gemini API
74 【Gemini 系列调用方法详解】2.2 原生generate_content函数
75 【Gemini 系列调用方法详解】2.3 API内置start_chat函数
76 【Gemini 系列调用方法详解】3.1 System Instruction
77 【Gemini 系列调用方法详解】3.2 generation_config
78 【Gemini 系列调用方法详解】3.3 Temperature
79 【Gemini 系列调用方法详解】3.4 提示工程之长文档实战
80 【Gemini 系列调用方法详解】3.5 API精细化控制生成结构化与Json参数
81 【OpenAI账号注册与环境配置】1.1 OPENAI的账号注册速通
82 【OpenAI账号注册与环境配置】1.2 OPEN AI官网及开发者平台使用指南
83 【OpenAI账号注册与环境配置】1.3 虚拟信用卡开通与升级GPT_Plus会员
84 【OpenAI账号注册与环境配置】1.4 在Jupyter中首次调用API
85 【OpenAI GPT 4o 系列调用方法详解】2.1 文本生成API基本讲解与调用
86 【OpenAI GPT 4o 系列调用方法详解】2.2 参数详解与对话消息本质剖析
87 【OpenAI GPT 4o 系列调用方法详解】2.3 多轮对话历史机器人实战
88 【OpenAI GPT 4o 系列调用方法详解】2.4 精细控制生成可选参数系列讲解
89 【OpenAI GPT 4o 系列调用方法详解】2.5 文本生成API的多模态调用
90 【OpenAI GPT 4o 系列调用方法详解】3.1 tool_use工具调用
91 【OpenAI GPT 4o 系列调用方法详解】3.2 社交媒体情绪数据分析
92 【OpenAI GPT 4o 系列调用方法详解】3.3 tool use完整调用流程
93 【OpenAI GPT 4o 系列调用方法详解】3.4 维基百科实时写作助手【实战】
94 【OpenAI GPT 4o 系列调用方法详解】3.5 并行函数调用与股票预测实战
95 【OpenAI GPT 4o 系列调用方法详解】4. 输出生成结构化的3种方式
96 【OpenAI GPT 4o 系列调用方法详解】5. 首token时延与提示缓存原理
97 【OpenAI GPT 4o 系列调用方法详解】6. Streaming流式响应详解
98 【OpenAI GPT 4o 系列调用方法详解】7.1 风格微调-创建数据集
99 【OpenAI GPT 4o 系列调用方法详解】7.2 风格微调-微调作业运行与评估
100 【OpenAI GPT 4o 系列调用方法详解】8.1 微调数据准备思路和微调准备
101 【OpenAI GPT 4o 系列调用方法详解】8.2. 制造微调数据微调并评估结果
102 【Response API】1.OpenAI新一代API入门介绍
103 【Response API】2.Responses API调用方法详解
104 【Response API】3.WebSearch功能实现流程
105 【Response API】4.File Search功能实现流程
106 【Response API】5.computer use功能实现流程与演示
04 【part 3】大模型部署策略与工具详解
01 【1. 大模型个人本地部署方案-Ollama】1. Ollama 本地部署 R1 模型
02 【1. 大模型个人本地部署方案-Ollama】2. 核心接口generate & chat
03 【1. 大模型个人本地部署方案-Ollama】3. OpenAI API 接口规范
04 【1. 大模型个人本地部署方案-Ollama】4. 在线 API 调用方法
05 【1. 大模型个人本地部署方案-Ollama】5. Ollama 模型服务接口压力测试
06 【2. 大模型企业级部署方案-vllm】1.1 Vllm 框架整体概览
07 【2. 大模型企业级部署方案-vllm】1.2 Linux系统本地部署vllm环境配置
08 【2. 大模型企业级部署方案-vllm】1.3 直播答疑环节
09 【2. 大模型企业级部署方案-vllm】1.4 Vllm 离线推理接口调用实战
10 【2. 大模型企业级部署方案-vllm】1.5 直播答疑环节
11 【2. 大模型企业级部署方案-vllm】2.1 vLLM 服务器配置参数详解
12 【2. 大模型企业级部署方案-vllm】2.2 KV Cache 计算及Scheduler
13 【2. 大模型企业级部署方案-vllm】2.3 推理类模型的在线推理调用
05 【part 4】大模型高效 & 强化微调原理
01 1.1 大模型微调流程与选择概念讲解
02 1.2 微调方式便利与课程安排
03 1.3 主流大模型微调框架
04 1.4 平台租赁与硬件选取参考
05 2.1 Lora微调产生的背景
06 2.2 Lora微调原理讲解
07 2.3 lora原理代码实现
08 3.1 QLoRA技术背景及与LoRA对比详解
09 3.2 学习QLoRA的前置概念了解
10 3.3 QLoRA微调理论详解
11 4.1 PPO背景与强化学习基本概念
12 4.2 PPO前置概念学习(上)
13 4.3 PPO前置概念学习(下)
14 4.4 PPO核心概念讲解
15 4.5 PPO核心公式讲解与代码实现
16 5.1 RLHF产生的背景以及适用场景
17 5.2 RLHF全链路微调流程拆解
18 5.3 RLHF基础架构讲解
19 5.4 RLHF中Reward_model详解
20 5.5 RLHF与PPO之间的关系
21 6.1 DPO与RLHF的关系及产生的背景
22 6.2 DPO原理_上_RLHF公式回顾与最优策略数学形式
23 6.2 DOP原理_中_从奖励表达式到偏好概率
24 6.2 DPO原理_下_DPO损失函数推导
25 6.3 DPO效果及训练策略
26 6.4 DPO与其他微调方式结合
27 7.1 什么是GRPO
28 7.2 GRPO流程讲解
29 7.3 GRPO_Group_computation机智详解
30 7.4 GRPO与PPO公式详解与应用
31 7.5 GRPO双层KL控制机制
32 8.1 大模型压缩背景与量化及位宽概述
32 8.2 量化_线性量化原理
33 8.2 量化_线性量化原理
33 8.3 量化_量化粒度讲解
34 8.3 量化_量化粒度讲解
34 8.4 量化_量化位置讲解
35 8.4 量化_量化位置讲解
35 8.5 量化的作用位置及方法框架
36 8.5 量化的作用位置及方法框架
36 8.6 蒸馏_大模型蒸馏概念与响应级蒸馏
37 8.6 蒸馏_大模型蒸馏概念与响应级蒸馏
37 8.7 蒸馏_分布级蒸馏与特征级蒸馏
38 8.7 蒸馏_分布级蒸馏与特征级蒸馏
06 【part 5】微调数据集获取方法及自主构建
01 1.1大模型微调数据集概览_数据重要性
02 1.2 大模型微调数据格式划分
03 1.3 预训练数据集详解
04 1.4 SFT数据集详解
05 1.5 偏好数据集详解
06 1.6 思维链数据详解
07 2.1 微调数据集构建流程与思路讲解
08 2.2 私有数据集项目安装使用讲解与实操
09 2.3 数据集生成项目架构_项目创建_文档处理流程详解
10 2.4 微调数据集生成与导出流程详解
07 【part 6】借助Llama-Factory进行高效微调
01 1.1 Lora原理详解
02 1.2 LLama_factory 介绍
03 1.3 LLama_factory 安装部署及验证
04 1.4 实战Qwen2.5微调
05 1.5 配置TensorBoard
06 2.1 如何获取数据源及使用解析
07 2.2 llamafactory中如何使用和注册数据集
08 2.3 模型微调及参数详解
09 2.4 数据验证&deepspeed微调
10 3.1 win&Qlora&qwen2.5_Qlora能节约多少内存
11 3.2 Qlora核心概念
12 3.3 如何在windows配置环境
13 3.4 Qlor微调实战与验证
14 4.1 PPO&llama3.2_什么是PPO算法
15 4.2 如何理解PPO
16 4.3 各个模型PPO算法的协作关系
17 4.4 PPO模型与数据的选择
18 4.5 PPO微调实操
19 4.6 PPO源码解读
20 5.1 RLHF&Qwen2.5_RLHF背景与意义
21 5.2 RLHF流程拆解与核心
22 5.3 奖励模型原理
23 5.4 奖励模型训练流程
24 5.5 RLHF全流程微调
25 5.6 RLHF挑战与改进方向
26 6.1 DPO&qwen2.5_什么是DPO
27 6.2 DPO原理讲解
28 6.3 DPO与RLHF的区别
29 6..4 DPO微调实践
30 6.5 DPO微调验证
08 【part 7】大模型微调 & 蒸馏应用实战
01 1.1 PEFT&医疗领域模型微调实践
02 1.2 本地模型验证
03 1.3 PEFT详解
04 1.4 微调数据与代码讲解
05 1.5 校验与导出模型
06 1.6 扩展与总结
07 2.1 医疗领域Embedding微调_模型详解
08 2.2 医疗领域Embedding微调_微调原因与模型选择
09 2.3 医疗领域Embedding微调_模型及数据下载验证
10 2.4 医疗领域Embedding微调_微调实操讲解
11 2.5 医疗领域Embedding微调_模型校验
12 3.1 法律私有数据模型蒸馏_概念回顾
12 3.2 法律私有数据模型蒸馏_蒸馏流程讲解
13 3.2 法律私有数据模型蒸馏_蒸馏流程讲解
13 3.3 法律私有数据模型蒸馏_数据讲解与查找
14 3.3 法律私有数据模型蒸馏_数据讲解与查找
14 3.4 法律私有数据模型蒸馏_构建COT_SFT数据_ETL
15 3.4 法律私有数据模型蒸馏_构建COT_SFT数据_ETL
15 3.5 法律私有数据模型蒸馏_蒸馏实操
16 3.5 法律私有数据模型蒸馏_蒸馏实操
16 3.6 法律私有数据模型蒸馏_蒸馏效果验证
17 3.6 法律私有数据模型蒸馏_蒸馏效果验证
17 加餐_【DeepSeek R1微调实战】1.1 DeepSeek R1模型微调实战
18 加餐_【DeepSeek R1微调实战】1.1 DeepSeek R1模型微调实战
18 加餐_【DeepSeek R1微调实战】1.2 大模型微调基础概念详解
19 加餐_【DeepSeek R1微调实战】1.2 大模型微调基础概念详解
19 加餐_【DeepSeek R1微调实战】1.3 热门高效微调工具介绍
20 加餐_【DeepSeek R1微调实战】1.3 热门高效微调工具介绍
20 加餐_【DeepSeek R1微调实战】1.4 大模型微调软硬件环境搭建
21 加餐_【DeepSeek R1微调实战】1.4 大模型微调软硬件环境搭建
21 加餐_【DeepSeek R1微调实战】1.5 DeepSeek R1微调数据集准备
22 加餐_【DeepSeek R1微调实战】1.5 DeepSeek R1微调数据集准备
22 加餐_【DeepSeek R1微调实战】1.6 热门微调框架unsloth快速入门指南
23 加餐_【DeepSeek R1微调实战】1.6 热门微调框架unsloth快速入门指南
23 加餐_【DeepSeek R1微调实战】1.7 unsloth格式化提示与输出方法
24 加餐_【DeepSeek R1微调实战】1.7 unsloth格式化提示与输出方法
24 加餐_【DeepSeek R1微调实战】1.8 DS R1高效微调最小可行性方案实践
25 加餐_【DeepSeek R1微调实战】1.8 DS R1高效微调最小可行性方案实践
25 加餐_【DeepSeek R1微调实战】2. DS R1海量数据深度高效微调实战
26 加餐_【DeepSeek R1微调实战】2. DS R1海量数据深度高效微调实战
26 加餐_【DS-R1模型蒸馏实战】1.DeepSeek R1模型蒸馏实战
27 加餐_【DS-R1模型蒸馏实战】1.DeepSeek R1模型蒸馏实战
27 加餐_【DS-R1模型蒸馏实战】2.DeepSeek R1开源情况介绍
28 加餐_【DS-R1模型蒸馏实战】2.DeepSeek R1开源情况介绍
28 加餐_【DS-R1模型蒸馏实战】3.推理大模型主流训练思路介绍
29 加餐_【DS-R1模型蒸馏实战】3.推理大模型主流训练思路介绍
29 加餐_【DS-R1模型蒸馏实战】4.模型蒸馏概念入门与DeepSeek R1模型蒸馏思路
30 加餐_【DS-R1模型蒸馏实战】4.模型蒸馏概念入门与DeepSeek R1模型蒸馏思路
30 加餐_【DS-R1模型蒸馏实战】5.DeepSeek R1模型蒸馏基本环境搭建
31 加餐_【DS-R1模型蒸馏实战】5.DeepSeek R1模型蒸馏基本环境搭建
31 加餐_【DS-R1模型蒸馏实战】6.模型蒸馏数据集准备与数据清洗
32 加餐_【DS-R1模型蒸馏实战】6.模型蒸馏数据集准备与数据清洗
32 加餐_【DS-R1模型蒸馏实战】7.DeepSeek R1蒸馏实战及蒸馏前后模型性能对比
33 加餐_【DS-R1模型蒸馏实战】7.DeepSeek R1蒸馏实战及蒸馏前后模型性能对比
33 加餐_【DS-R1论文复现】1.DeepSeek R1论文精读与复现
34 加餐_【DS-R1论文复现】1.DeepSeek R1论文精读与复现
34 加餐_【DS-R1论文复现】2.DeepSeek R1模型综述与全球复现项目介绍
35 加餐_【DS-R1论文复现】2.DeepSeek R1模型综述与全球复现项目介绍
35 加餐_【DS-R1论文复现】3.DeepSeek R1论文核心内容与基本结构介绍
36 加餐_【DS-R1论文复现】3.DeepSeek R1论文核心内容与基本结构介绍
36 加餐_【DS-R1论文复现】4.论文摘要与实验贡献部分解读
37 加餐_【DS-R1论文复现】4.论文摘要与实验贡献部分解读
37 加餐_【DS-R1论文复现】5.论文R1 Zero模型训练过程解读
38 加餐_【DS-R1论文复现】5.论文R1 Zero模型训练过程解读
38 加餐_【DS-R1论文复现】6.GRPO强化学习算法原理介绍
39 加餐_【DS-R1论文复现】6.GRPO强化学习算法原理介绍
39 加餐_【DS-R1论文复现】7.论文R1模型训练流程详解（上）
40 加餐_【DS-R1论文复现】7.论文R1模型训练流程详解（上）
40 加餐_【DS-R1论文复现】8.论文R1训练流程解读（下）
41 加餐_【DS-R1论文复现】8.论文R1训练流程解读（下）
41 加餐_【DS-R1论文复现】9.论文模型蒸馏流程详解
42 加餐_【DS-R1论文复现】9.论文模型蒸馏流程详解
42 加餐_【DS-R1论文复现】10.R1模型训练复盘与未来展望
43 加餐_【DS-R1论文复现】10.R1模型训练复盘与未来展望
43 加餐_【DS-R1论文复现】11.R1论文完整内容梳理
44 加餐_【DS-R1论文复现】11.R1论文完整内容梳理
44 加餐_【DS-R1论文复现】12.热门GRPO训练工具介绍
45 加餐_【DS-R1论文复现】12.热门GRPO训练工具介绍
45 加餐_【DS-R1论文复现】13.GRPO强化学习训练软硬件环境准备
46 加餐_【DS-R1论文复现】13.GRPO强化学习训练软硬件环境准备
46 加餐_【DS-R1论文复现】14.GRPO强化学习奖励函数组编写
47 加餐_【DS-R1论文复现】14.GRPO强化学习奖励函数组编写
47 加餐_【DS-R1论文复现】15.DeepSeek R1 GRPO强化学习训练流程
48 加餐_【DS-R1论文复现】15.DeepSeek R1 GRPO强化学习训练流程
09 【part 8】企业级大模型微调实战
01 1.1分布式企业级金融微调_方案讲解
02 1.2分布式企业级金融微调_SFT单轮多轮数据集构建
03 1.3分布式企业级金融微调_架构方案选择
04 1.4分布式企业级金融微调_deepspeed详解
05 1.5分布式企业级金融微调_开发注意事项
06 1.6分布式企业级金融微调_微调代码实战讲解
07 1.7分布式企业级金融微调_模型验证
08 1.8分布式企业级金融微调_模型部署
09 2.1多机多卡异构私有数据金融领域奖励模型微调_数据集准备
10 2.2多机多卡异构私有数据金融领域奖励模型微调_数据构建项目讲解
11 2.3 多机多卡异构私有数据金融领域奖励模型微调_数据集构建代码讲解
12 2.4 多机多卡异构私有数据金融领域奖励模型微调_微调方法选择
13 2.5 多机多卡异构私有数据金融领域奖励模型微调_模型选择
14 2.6 多机多卡异构私有数据金融领域奖励模型微调_服务器选择
15 2.7 多机多卡异构私有数据金融领域奖励模型微调_本地环境连接服务器+验证
16 2.8 多机多卡异构私有数据金融领域奖励模型微调_搭建微调集群环境
17 2.9 多机多卡异构私有数据金融领域奖励模型微调_微调项目实操讲解
18 2.10 多机多卡异构私有数据金融领域奖励模型微调_搭建+测试执行环境
19 2.11 多机多卡异构私有数据金融领域奖励模型微调_模型校验
20 3.1企业级多机多卡金融私有数据GRPO微调_GRPO的作用与支持的架构
21 3.2 企业级多机多卡金融私有数据GRPO微调_微调数据准备
22 3.3 企业级多机多卡金融私有数据GRPO微调_环境配置与项目讲解
23 3.4 企业级多机多卡金融私有数据GRPO微调_微调代码讲解
24 3.5 企业级多机多卡金融私有数据GRPO微调_多卡测试与部署
25 4.1 企业级微调量化_量化技术与框架
26 4.2 企业级微调量化_数据准备
27 4.3 企业级微调量化_量化实现
28 4.4 企业级微调量化_量化效果检验与部署
10 【part 9】RAG基础 & 向量数据库应用
01 1. Naive RAG介绍及借助LangChain实现RAG流
02 2. RAG集成历史对话信息及SqlalChemy持久化存储的使
03 2.1 本地知识库搭建方案综述
04 2.2 Embedding基本概念入门介绍
05 2.3 One-hot、Word2Vec与动态Embedding模型入门介绍
06 2.4 OpenAI Embedding模型API调用方法
07 3.1 Embedding语意分类与意图识别基础入门
08 3.2 基于Embedding的语意识别实战
09 4.1【意图识别实战】数据集介绍与Embedding处理过程
10 4.2【意图识别实战】基于Function calling的零样本意图识别
11 4.3 【意图识别实战】基于Embedding+机器学习的有监督意图识别过程
12 4.4【意图识别实战】高性能大模型零样本意图识别过程
13 4.5【意图识别实战】有监督学习下的Function calling识别过程
14 4.6【意图识别实战】基于模型融合的意图识别过程
15 4.7 大模型意图识别全方法总结
16 5.1 Embedding 模型与向量数据库在RAG中的应用说明
17 5.2 Text Embedding Models的接入和使用方法
18 5.3 开源Embedding Models的调用实战
19 5.4 向量数据库基本原理介绍
20 5.5 Chroma的使用方法介绍
11 【part 10】企业级RAG技术优化 & 评估
01 1.1 企业级RAG的构建架构和思路
02 1.2 结合Faiss向量数据的RAG Indexing构建流程
03 1.3 百万量级的wiki公有语料构建方法实践
04 1.4 yolox + orc 识别私有PDF语料的方案实践
05 1.5 RAG评估框架-TruLens实践
06 1.6 RAG评估框架-Ragas的使用及借助GLM4生成评估数据
07 2.1 自定义RAG评估Pipeline-构建统一的数据集格式
08 2.2 自定义RAG评估Pipeline-构建统一的提示模板
09 2.3 自定义RAG评估Pipeline-整体逻辑实现及细节说明
10 2.4 自定义RAG评估Pipeline-评估指标及评估流程实现
11 2.5 自定义RAG评估Pipeline-ReRanker原理及实
12 【part 11】GraphRAG应用实战
01 1.1 GraphRAG 基础入门与主流框架介绍
02 1.2 GraphRAG 本地安装与配置文件说明
03 1.3 GraphRAG CLI 索引构建方法与流程
04 1.4 GrapRAG 源码安装及索引构建流程
05 1.5 直播答疑环节
06 2.1 索引构建源码解读：文档加载器及切分策略
07 2.2 索引构建源码解读：实体关系抽取与Pormpt设计
08 2.3 索引构建源码：社区检索算法与社区报告生成
09 2.4 直播答疑环节
10 3.1 图数据库Neo4j 源码安装及Python连接
11 3.2 知识图谱基础概念与实战
12 3.3 GraphRAG 自定义导入 Neo4j
13 3.4 直播答疑环节
14 4.1 Microsoft GraphRAG 检索流程介绍
15 4.2 检索流程源码讲解：本地搜索
16 4.3 检索流程源码讲解：全局搜索
17 4.4 直播答疑环节
18 5.1 智能客服数据集准备与预处理
19 5.2 .csv 格式索引流程源码解读
20 5.3 数据库.csv 文件切分优化策略
21 5.4 Auto Prompt Tuning 自适应垂类领域提示优化
22 5.5 结构化数据存储Neo4j流程规范
23 5.6 直播答疑环节
24 6.1 PDFDocx图片格式文件难点与解析方法概览
25 6.2 MinerU 项目说明与本地部署
26 6.3 MinerU解析文件类型详解
27 6.4 手动构建PDF文档加载器思路与源码
28 6.5 动态结构感知分块策略源码接入及思路
29 6.6 直播答疑环节
30 7.1 GraphRAG API 接口源码概览
31 7.2 Prompt动态编排服务接口设计
32 7.3 索引构建的Python SDK的自动化构建管道实现
33 7.4 跨文档类型合并知识图谱解决方案-增量更新
34 7.5 检索服务的工程化接口封装
35 7.6 直播答疑环节
36 加餐_【DS-V3 知识库问答实战】1.1 DS v3+GraphRAG技术实现思路介绍
37 加餐_【DS-V3 知识库问答实战】1.2 GraphRAG基本原理精讲
38 加餐_【DS-V3 知识库问答实战】1.3 DeepSeek v3接入GraphRAG流程
39 加餐_【DS-V3 知识库问答实战】1.4 DS v3+GraphRAG检索与查询过程
40 加餐_【DS-V3 知识库问答实战】1.5 借助SDK执行GraphRAG全流程
41 加餐_【DS-R1 知识库问答实战】2.1 热门大模型Web项目入门介绍
42 加餐_【 DS-R1 知识库问答实战】2.2 Ollama+DS R1本地部署流程
43 加餐_【DS-R1 知识库问答实战】2.3 AnythingLLM本地安装部署流程
44 加餐_【 DS-R1 知识库问答实战】2.4 DS R1 14B模型本地知识库问答
45 加餐_【DS-R1 知识库问答实战】2.5 DeepSeek R1 本地知识库问答实现流程
46 加餐_【 DS-R1 知识库问答实战】2.6 借助DS R1 API进行本地知识库问答
13 【part 12】低代码开发实战 Dify & Coze
01 【1 工作流编排-Dify】1.1 低代码平台介绍
02 【1. 工作流编排-Dify】1.2 Dify介绍与安装
03 【1. 工作流编排-Dify】1.3 xinference介绍与安装
04 【1. 工作流编排-Dify】1.4 dify&xinference打通融合
05 【1. 工作流编排-Dify】2.1 服务器源码部署dify&RAG_基础环境准备
06 【1. 工作流编排-Dify】2.2 源码安装dify
07 【1. 工作流编排-Dify】2.3 xinference细化安装
08 【1. 工作流编排-Dify】2.4 构建知识库
09 【1. 工作流编排-Dify】2.5 构建简单RAG
10 【1. 工作流编排-Dify】3.1 window环境下ollama+ds+dify
11 【1. 工作流编排-Dify】3.2 xinference+ds+dify全链路
12 【1. 工作流编排-Dify】3.3 window环境全链路实战+API检验
13 【1. 工作流编排-Dify】4.1 dify基础+常用节点概念讲解
14 【1. 工作流编排-Dify】4.2 difyAgent构建讲解与实战
15 【1. 工作流编排-Dify】4.3 对话流讲解与实战
16 【1. 工作流编排-Dify】4.4 Dify与微信对接讲解与实操
17 【1. 工作流编排-Dify】5.1 Dify+讯飞语音对话讲解与实战
18 【1. 工作流编排-Dify】5.2 本地定时触发Dify讲解与实战
19 【1. 工作流编排-Dify】5.3 Dify变量技巧+长文本生成+并行md格式输出
20 【1. 工作流编排-Dify】6.1 dify企业人工微信客服转发必备条件
21 【1. 工作流编排-Dify】6.2 Dify个人微信对接企微人工客服转发
22 【1. 工作流编排-Dify】6.3 dify企微人工客服转接
23 【Coze】1.1 Coze简介&Bot创建_Coze的基础概念
24 【Coze】1.2 Coze简介&Bot创建_空间+bot+rprompt创建
25 【Coze】1.3 Coze简介&Bot创建_编排操作与发布应用
26 【Coze】2.1 Coze本地安装部署
27 【Coze】2.2 Coze线上创插件_已有服务创建
28 【Coze】2.3 Coze线上线下插件创建_基于IDE创建
29 【Coze】2.4 Coze对话流构建
30 【Coze】2.5 Coze多Agent构建
31 【Coze】2.6Coze工作流关键节点讲解
14 【part 13】AI Agent 基础与ReAct实战
01 1.1 大模型应用发展与Agent前沿技术趋势
02 1.2 大模型应用的本地知识库问答核心技术-RAG
03 1.3 AI Agent爆发的根本原因
04 1.4 AI Agent 经典核心架构与 AgentExcuter
05 2.1 AI Agent与LLMs + RAG的本质区别
06 2.2 AI Agent三种应用类型及Python实现可交互的聊天机器人
07 2.3 Funcation Calling 完整生命周期细节复现
08 2.4 实现具备Funcation Calling的智能电商客服
09 2.5 Function Calling并行调用和多函数调用的应用方法
10 2.6 加餐：OpenAI最新推出的结构化输出功能介绍
11 3.1 Funcation Calling 与 AI Agent的本质区别
12 3.2 提示工程到代理工程的平滑过度
13 3.3 ReAct Agent框架的基础理论
14 3.4 案例：从零复现ReAct Agent的完整流程
15 3.5 项目：基于ReAct Agent构建电商智能客服
15 【part 14】自主Agent开发框架Langraph
01 1.1 LangChain的AI Agent开发框架架构设计
02 1.2 LangGraph 的底层构建原理
03 1.3 Langgraph底层源码解析
04 1.4 LangGraph中如何接入大模型做问答流程
05 2.1 LangGraph中State的定义模式
06 2.2 使用字典类型定义状态的方法与优劣势
07 2.3 LangGraph状态管理中Reducer函数的使用
08 2.4 MessageGraph源码功能解析
09 2.5 LangSmith基本原理与使用入门
10 3.1 LangGraph代理架构及Router Agent介绍
11 3.2 LangGraph中可应用的三种结构化输出方法
12 3.3 结合结构化输出构建Router Agent（数据库）
13 3.4 Tool Calling Agent 中ToolNode的使用
14 3.5 Tool Calling Agent的完整实现案例：实时搜索与数据库集成
15 4.1 LangGraph中ReAct的构建原理
16 4.2 案例实操：构建复杂工具应用的ReAct自治代理
17 4.3 LangGraph中如何使用流式输出
18 4.4 LangGraph中的事件流
19 5.1 Agent长短期记忆认知
20 5.2 LangGraph的短期记忆及Checkpointer(检查点)
21 5.3 检查点的特定实现类型-MemorySaver
22 5.4 检查点的特定实现类型-SqliteSaver
23 5.5 长期记忆和Store（仓库）
24 6.1 LangGraph知识点概述总结
25 6.2 LangGraph中的HIL实现思路
26 6.3 标准图结构中如何添加断点
27 6.4 复杂代理架构中如何添加动态断点
28 6.5 案例：具备人机交互的完整Agent信息管理系统
29 7.1 Single-Agent 存在的局限
30 7.2 Multi-Agent 架构分类及子图的通信模式
31 7.3 父、子图状态中无共同键的通信方式
32 7.4 案例：基于网络架构实现智能BI数据分析多代理系统（上）
33 7.5 案例：基于网络架构实现智能BI数据分析多代理系统（下）
34 8.1 Supervisor 架构介绍与基本构建原理
35 8.2 案例：基于 Supervisor 架构实现多代理系统
36 8.3 GraphRAG 基本介绍与核心架构
37 8.4 案例：Multi-Agent实现混合多知识库检索
16 【part 15】热门Agent框架 - AutoGen
01 【1. 自动化工作流-AutoGen】1.1 AutoGen 开发框架整体介绍
02 【1. 自动化工作流-AutoGen】1.2 配置AutoGen开发环境
03 【1. 自动化工作流-AutoGen】1.3 ConversableAgent源码解析
04 【1. 自动化工作流-AutoGen】1.4 AutoGen 如何接入在线大模型
05 【1. 自动化工作流-AutoGen】1.5 AutoGen 如何接入开源大模型
06 【1. 自动化工作流-AutoGen】1.6 模型配置过滤器的使用方法
07 【1. 自动化工作流-AutoGen】1.7 AutoGen 代码解释器的原理与接入方法
08 【1. 自动化工作流-AutoGen】1.8 基于AutoGen构建自动Debug数分器
17 【part 16】AssistantAPI & Swarm
01 1.1 Assistant API 框架的整体介绍
02 1.2 Assistant对象的创建方法
03 1.3 Thread、Messges及Run应用方法
04 1.4 Run运行时的状态转移机制
05 1.5 实现Run状态的轮询方法，并实现Assistant API完整链路
06 2.1 Assistant API 进阶应用方法介绍
07 2.2 File Search内置工具说明及文件管理
08 2.3 基于 Assistant API 创建在线私有知识库
09 2.4 在Assistant和Thread定义File Search工具的四种策略
10 2.5 如何处理Assistant API输出响应中的注释
11 2.6 Code Interpreter（代码解释器）的应用技巧
12 2.7 基于Funcation Calling实现本地代码解释器
13 3.1 为什么企业级应用必须接入流式输出
14 3.2 Assistant API中流式输出的开启方法
15 3.3 Assistant API 流式传输中的事件流原理细节
16 3.4 如何在 Assistant API 流式传输中接入外部函数
17 3.5 应用案例（1）：异步构建Assistant对象的工程化代码
18 3.6 应用案例（2）：集成外部函数方法及项目完整功能介绍
19 加餐_【DS-v3 智能体开发实战】1.DeepSeek v3+Swarm技术实现思路介绍
20 加餐_【DS-v3 智能体开发实战】2.DeepSeek v3接入Swarm代码实现
21 加餐_【DS-v3 智能体开发实战】3.Swarm核心功能与使用流程介绍
22 加餐_【DS-v3 智能体开发实战】4.调用外部工具与Multi-Agent实现流程
23 加餐_【DS-v3 智能体开发实战】5.DeepSeek v3搭建多智能体客服系统
18 【part 17】Agents SDK开发实战
01 1.1 Agents SDK 完整运行生命周期
02 1.2 接入不同大模型（在线&本地部署）方法
03 1.3 Runner 底层运行原理与参数应用方法
04 1.4 实战案例：多智能体架构自定义Agent工作流编排
05 1.5 直播答疑环节
06 2.1 Agents SDK 与 MCP 的兼容情况
07 2.2 Agents SDK 接入Stdio模式MCP服务器
08 2.3 RunHooks 各事件回调触发条件及自定义回调函数
09 3.1 MCPServerSse 与MCPServerSseParams 参数详解
10 3.2 MCPServerStreamableHttp 支持情况及参数详解
11 3.3 Agent SDK 中 InputGuardrail 核心组件与生命周期
12 3.4 显式构建输入护栏实现动态热插拔
13 4.1 独立Agent挂载为输入护栏做复杂意图识别
14 4.2 输出护栏核心组件与构建方法
15 4.3 RawResponses子事件及构建流式响应
16 4.4 RunItem子事件及工具调用、交接数据提取方法
17 4.5 AgentOps 日志追踪平台接入
19 【part 18】Google ADK 开发实战
【part 18】Google ADK 开发实战（正在更新）
01 1.1 谷歌开源ADK框架入门介绍
02 1.2 大模型调度框架LiteLlm
03 1.3 借助ADK创建Agent及对话流程
04 1.4 ADK会话管理与存储系统
05 1.5 ADK Web工具使用流程
06 1.6 ADK外部工具接入Agent流程
07 1.7 ADK多工具串联&并联调用流程
08 1.8 ADK Web工具的复杂工具调用流程
09 2.1 ADK接入MCP完整实战流程
10 2.2 ADK优化MCP接入流程
11 2.3 Web Web工具调用MCP流程
12 3.1 Googel ADK 整体架构概览
13 3.2 Googel ADK Runner 运行状态
14 3.3 Google ADK Event事件类型
15 4.1 Google ADK 会话语境设计模式
16 4.2 InMemorySessionService内存会话服务
17 4.3 Win环境下安装PostgreSQL数据库
18 4.4 实战：基于DatabaseSessionService实现持久化会话控制
19 5.1 State临时状态的默认处理机制
20 5.2 state_delta 用于复杂场景开发需求
21 5.3 output_key 简单场景应用方法
22 5.4 LlmAgent 接入外部工具及优化策略
23 6.1 ADK 内置工具使用规范及应用限制
24 6.2 ADK与外部开发框架LangChain&CrewAI集成
25 6.3 Open Interpreter 架构设计与使用详解
26 6.4 服务分离模式下ADK与 Open Interpreter 的集成应用
27 7.1 FunctionTool 的使用场景与应用局限
28 7.2 LongRunningFunctionTool实现细节及手动复现
29 7.3 人机协作实战：构建类审批场景WorkFlow
30 8.1 ToolContext基本概念
31 8.2 ToolContext 作用于状态管理
32 8.3 自定义Memory类实现中文搜索匹配
33 8.4 ADK 预构建Memory 工具原理与实战
34 9.1 ADK 内置VertexAI Memory原理讲解
35 9.2 快速入门ElasticSearch检索引擎
36 9.3 ElasticsearchMemorySrvice完整细节详解
37 9.4 ElasticsearchMemorySrvice 企业开发进阶功能
38 10.1 ADK 不同类型的Agent类型及任务调度机制
39 10.2 源码解析 Agent Transfer 通信原理
40 10.3 Agent Transfer 父-子代理构建优化策略
20 实战项目一：智能客服Agent项目开发-AssistGen
01 1.1 项目介绍与课程安排
02 1.2 AssistGen 项目结构与本地启动流程介绍
03 1.3 Ollama 本地部署 R1 模型
04 1.4 核心接口generate & chat
05 1.5 OpenAI API 接口规范
06 1.6 在线 API 调用方法
07 2.1 项目功能迭代说明
08 2.2 FastAPI 入门与构建 AssisGen REST API
09 2.3 AssisGen 用户管理功能与Mysql数据库接入
10 2.4 Ollama 模型服务接口压力测试
11 2.5 对话和深度思考后端接口实现逻辑讲解
12 3.1 DeepSeel API 硬盘上下文缓存管理
13 3.2 Windows & Linux Redis 内存数据库源码编译安装
14 3.3 基于 Redis 的 Prompt Cache 缓存管理
15 3.4 AssistGen接入Prompt Cache缓存管理
16 4.1 DeepSeek API & Ollama 统一Function Calling
17 4.2 DeepSeek 完整联网检索功能接入方法
18 4.3 AssistGen功能路由逻辑介绍及阶段性总结
19 5.1 AssistGen项目整体架构层级设计
20 5.2 AssistGen本地私有化部署与启动流程
21 5.3 用户意图识别模块实现思路
22 5.4 安全护栏（Guardrails）模块实现思路
23 5.5 混合知识库检索-Text2Cypher链路实现
24 5.6 Microsof 混合知识库检索-GraphRAG检索
25 5.7 直播答疑环节
21 实战项目二：AI编程&数据分析Agent项目-MateGen
01 1. MateGen Pro 项目整体架构介绍
02 2. 本地运行MateGen Pro项目流程
03 3. MateGen Pro 后端API核心模块设计
04 4. SQLAlchemy原理与项目接入
05 5. MateGen 数据库初始化逻辑
06 6. API_Key接口初始化与校验
07 7. 缓存池与系统初始化逻辑
08 8. 会话管理模块表结构设计与代码讲解
09 9. 用户管理模块的功能路由介绍与代码讲解
10 10. 知识库管理模块核心接口讲解
11 11. 知识库模块功能路由介绍与代码讲解
12 12. 数据库交互模块路由接口介绍与代码讲解
22 实战项目三：“Manus”通用智能体项目开发实战
01 1. FuFanManus 项目完整架构设计
02 2. FuFanManus 本地环境配置及项目启动
03 3. 用户管理模块设计及FastAPI 接口
04 4. Agent 异步流式架构模式
05 5. Google ADK Agent集成及功能回调
06 6. Agent 流式状态双轨制架构及工具接入
23 实战项目四：企业知识库文档问答-Fufan_Chat
01 week_1_1_part_1_课程说明及大模型问答功能复现
02 week_1_1_part_2_本地私有化部署glm4-9b-chat模型
03 week_1_1_part_3_调用本地启动的glm4模型的方法
04 week_1_2_part_1_GLM在线API调用方法
05 week_1_2_part_2_Langchain应用框架整体介绍
06 week_1_2_part_3_FastAPI项目介绍
07 week_2_1_part_1_本周开发任务说明
08 week_2_1_part_2_Naive RAG介绍及借助LangChain实现RAG流
09 week_2_1_part_3_RAG集成历史对话信息及SqlalChemy持久化存储的使
10 week_2_2_part_1_通用问答流程整体流程介绍及参数说明
11 week_2_2_part_2_FastChat项目说明及Python多进程
12 week_2_2_part_3_项目启动文件详细说明及流程复现
13 week_3_1_part_1_企业级RAG的构建架构和思路
14 week_3_1_part_2_结合Faiss向量数据的RAG Indexing构建流程
15 week_3_1_part_3_百万量级的wiki公有语料构建方法实践
16 week_3_1_part_4_yolox + orc 识别私有PDF语料的方案实践
17 week_3_2_part_1_本地RAG知识库问答功能链路详解与复现
18 week_3_2_part_2_RAG评估框架-TruLens实践
19 week_3_2_part_3_RAG评估框架-Ragas的使用及借助GLM4生成评估数据
20 week_4_1_part_1_自定义RAG评估Pipeline-构建统一的数据集格式
21 week_4_1_part_2_自定义RAG评估Pipeline-构建统一的提示模板
22 week_4_1_part_3_自定义RAG评估Pipeline-整体逻辑实现及细节说明
23 week_4_1_part_4_自定义RAG评估Pipeline-评估指标及评估流程实现
24 week_4_1_part_5_自定义RAG评估Pipeline-ReRanker原理及实
25 week_4_2_part_1_Serper API联网检索数据预处理过程拆解
26 week_4_2_part_2_基于Serper实现系统架构下的联网实时检索功能
27 week_5_part_1_大模型融入推荐系统一种思路
28 week_5_part_2_大模型用于特征工程及实现推荐系统的整体逻辑代码
29 week_5_part_3_基于Langchain实现基于ReAct的代码实践及TOT提示
30 week_5_part_4_项目整体框架下实现基于Agent的问答流程代码实践
31 week_5_part_5_Docker介绍及借助Docker打包部署完整项目的流程
24 【专项课】大模型岗 求职面试专项辅导
01 【RAG专场】1. RAG技术基础认知
02 【RAG专场】2. RAG技术核心考点 & 简历项目实战剖析
03 【RAG专场】3. RAG面试问题技术答疑
04 【Agent专场】1. Agent技术发展史
05 【Agent专场】2. Agent技术核心考点 & 简历项目实战剖析
06 【微调专场】1. 微调基础认知
07 【微调专场】2. 微调技术核心考点 & 简历项目实战剖析
08 【职业赋能专场】1. 大模型技术栈全景 & 岗位发展路径解析
09 【职业赋能专场】2. 大模型赛道优势 & 个人提升指南
10 【职业赋能专场】3. 大模型应用&算法岗位简历项目剖析
11 【HR简历专场】1. 简历初筛常见硬伤 & HR 筛选简历逻辑
12 【HR简历专场】2. 深度匹配评估要点 & 简历优化核心原则
13 【HR简历专场】3. 实战优化技巧
14 【HR面试专场】1. 面试官核心考察维度
15 【HR面试专场】2. 面试高频基础问题拆解
16 【HR面试专场】3. 面试易踩坑问题回答策略
17 【HR面试专场】4. 面试关键加分项 & 求职Tips
25 【赠送】深度学习Transformer基础
01 【Transformer】1 Transformer与注意力机制入门
02 【Transformer】2 Attention注意力机制的本质
03 【Transformer】3 Transformer中的注意力计算流程 & 多头注意力机制
04 【Transformer】4 Transformer的基本架构
05 【Transformer】5 Embedding与位置编码
06 【Transformer】6 正余弦编码的数学与实用意义
07 【Transformer】7 正余弦编码的实际计算与高维空间可视化
08 【Transformer】8 编码器结构详解之残差链接
09 【Transformer】9 编码器结构详解之Layer Normalization
10 【Transformer】10 编码器结构详解之前馈神经网络FFN
11 【Transformer】11 完整Transformer结构下的解码器Decoder
12 【Transformer】12 Decoder的输入与teacher forcing
13 【Transformer】13 掩码与掩码注意力机制
14 【Transformer】14 填充掩码与前瞻掩码的实现
15 【Transformer】15 编码-解码注意力层
16 【Transformer】16 Decoder-Only结构下的Decoder
26 【加餐】Qwen3全流程实战（部署&微调&接入MCP）
01 【Qwen3部署指南】1.1 Qwen3模型核心特性介绍
02 【Qwen3部署指南】1.2 Qwen3模型训练流程介绍
03 【Qwen3部署指南】1.3 Qwen3各模型适用场景与硬件选择
04 【Qwen3部署指南】1.4【底层开发】Transformer调用Qwen3模型流程详解
05 【Qwen3部署指南】1.5【个人使用】ollama调用Qwen3模型完整流程详解
06 【Qwen3部署指南】1.6【企业级部署】vLLM调用Qwen3模型流程详解
07 【Qwen3部署指南】1.7【CPU推理】llama.cpp调用Qwen3流程
08 【Qwen3部署指南】1.8【企业级前端】Open-WebUI调用Qwen3流程
09 【Qwen3＋MCP】1 MCP技术核心概念精讲
10 【Qwen3+MCP】2 Qwen3原生MCP能力介绍
11 【Qwen3+MCP】3 从零到一搭建Qwen3 MCP Client
12 【Qwen3+MCP】4 Qwen3源码级接入MCP工具流程
13 【Qwen3+MCP】5 Qwen-Agent核心特性与搭建Qwen3 Agent流程
14 【Qwen3+MCP】6 Qwen3接入SQLite MCP搭建SQL智能体
15 【Qwen3+MCP】7 Qwen3+SQLite+代码解释器搭建数据分析Agent
16 【Qwen3+MCP】8 基于前端对话的Multi MCP Agent创建流程
17 【Qwen3+MCP】9 ollama&vLLM控制思考过程效果演示
18 【Qwen3+MCP】10 通过参数和通过提示控制模型思考过程
19 【Qwen3+MCP】11【vLLM&SGLang适用】修改默认提示词模版控制模型思考过程
20 【Qwen3+MCP】12【ollama适用】修改ollama配置文件控制模型思考过程
21 【Qwen3+MCP】13【KT&LMStudio适用】改GGUF内置提词控制模型思考过程
22 【Qwen3微调实战】1.微调原理与应用场景介绍
23 【Qwen3微调实战】2.四大微调框架及微调硬件环境介绍
24 【Qwen3微调实战】3.如何构造微调数据集（原理篇）
25 【Qwen3微调实战】4.Unsloth与vLLM安装流程
26 【Qwen3微调实战】5.EvalScope与wandb部署流程
27 【Qwen3微调实战】6.Qwen3混合推理数据集准备
28 【Qwen3微调实战】7.Unsloth基本使用方法介绍
29 【Qwen3微调实战】8.各类微调数据集创建流程
30 【Qwen3微调实战】9.混合推理微调数据集选取流程
31 【Qwen3微调实战】10.微调数据集清洗流程
32 【Qwen3微调实战】11.Qwen3完整微调流程详解
33 【Qwen3微调实战】12.Qwen3模型微调结果对比与经验解读
27 【加餐】QwQ-32B模型部署与微调实战
01 【QwQ部署与调用】1.QwQ模型入门介绍
02 【QwQ部署与调用】2.KT+Unsloth联合部署基本思路
03 【QwQ部署与调用】3.QwQ模型权重下载与transformer库推理流程
04 【QwQ部署与调用】4.ollama离线安装与调用QwQ流程
05 【QwQ部署与调用】5.vLLM调用QwQ流程详解
06 【QwQ部署与调用】6.CPU&GPU混合推理运行QwQ模型流程
07 【QwQ部署与调用】7.QwQ知识库问答+调用外部工具+接入Open-WebUI实战流程
08 【QwQ微调实战】1.大模型微调基础概念入门介绍
09 【QwQ微调实战】2.大四大微调工具对比介绍
10 【QwQ微调实战】3.QwQ-32B模型微调环境准备
11 【QwQ微调实战】4.QwQ-4bit动态量化模型ollama、vLLM调用方法
12 【QwQ微调实战】5.QwQ&DeepSeek模型微调CoT数据集准备
13 【QwQ微调实战】6.Unsloth使用方法快速入门
14 【QwQ微调实战】7.QwQ-32B模型微调实战流程
15 【QwQ微调实战】8.微调后模型权重合并、导出、调用与后训练
28 【加餐】MCP快速入门实战
01 【MCP快速入门】1.MCP技术入门介绍
02 【MCP快速入门】2.Function calling与Agent开发技术回顾
2 【SSE与流式HTTP开发实战】2.SSE类MCP服务器开发与部署上线
03 【MCP快速入门】3.MCP客户端Client概念介绍与创建方法
04 【MCP快速入门】4.DeepSeek、QwQ接入MCP Cient流程
05 【MCP快速入门】5.MCP服务器Server基础概念介绍
06 【MCP快速入门】6.MCP服务器Server创建流程
07 【MCP快速入门】7.MCP创建Client接入Server流程
08 【MCP快速入门】8.MCP实时天气查询效果演示
09 【 MCP快速入门】9.MCP debug工具Inspector使用指南
10 【 MCP快速入门】10.MCP技术进阶生态介绍
11 【MCP智能体开发】1.MCP技术入门介绍
12 【MCP智能体开发】2.GraphRAG基本原理回顾
13 【MCP智能体开发】3.GraphRAG检索流程实现
14 【MCP智能体开发】4.GraphRAG MCP server服务器编写流程
15 【MCP智能体开发】5.GraphRAG MCP client客户端编写流程
16 【MCP智能体开发】6.智能体开发基础Workflow介绍
17 【MCP智能体开发】7.Function calling并行与串联实现方法
18 【MCP智能体开发】8.AI数据分析NL2SQL服务器server创建过程
19 【MCP智能体开发】9.AI数据分析NL2Python服务器创建流程
20 【MCP智能体开发】10.AI数据分析智能体客户端client创建流程
21 【十大热门MCP工具】1.MCP技术介绍与热门MCP集成平台介绍
22 【十大热门MCP工具】2.新版Cursor安装与MCP环境搭建
23 【十大热门MCP工具】3.Cursor+Sequential Thinking增强推理能力
24 【十大热门MCP工具】4.Cursor+playwrite实现浏览器自动化操作
25 【十大热门MCP工具】5.Cursor+Filesystem操作本地文档1
26 【十大热门MCP工具】6.Cherry Studio+Filesystem读取操作本地文件
27 【十大热门MCP工具】7.Cherry Studio+Fetch搭建爬虫智能体
28 【十大热门MCP工具】8.阿里百炼+高德地图MCP搭建出行规划智能体
29 【十大热门MCP工具】9.阿里百炼+Firescrawl搭建爬虫智能体
30 【十大热门MCP工具】10.阿里百炼智能体API调用流程
31 【十大热门MCP工具】11.Open-WebUI本地部署与调用
32 【十大热门MCP工具】12.Open-WebUI接入MCP工具实现流程1
33 【MCP部署与上线实战】1.MCP基础原理精讲
34 【MCP部署与上线实战】2.MCP与Function calling技术对比
35 【MCP部署与上线实战】3.DeepResearch功能详解
36 【MCP部署与上线实战】4.DeepResearch Multi-Agent开发流程
37 【MCP部署与上线实战】5.DeepResearch MCP服务器开发流程
38 【MCP部署与上线实战】6.借助Inspector进行debug
39 【MCP部署与上线实战】7.DeepResearch MCP项目的离线拷贝运行
40 【MCP部署与上线实战】8.DeepResearch MCP项目部署上线与调用流程
41 【SSE与流式HTTP开发实战】1.MCP中SSE与HTTP流式传输原理
42 【SSE与流式HTTP开发实战】2.SSE类MCP服务器开发与部署上线
43 【SSE与流式HTTP开发实战】3.MCP HTTP流式传输协议详解
44 【SSE与流式HTTP开发实战】4.流式HTTP MCP服务器开发流程
45 【SSE与流式HTTP开发实战】5.流式HTTP MCP服务器功能测试与调用流程
46 【SSE与流式HTTP开发实战】6.HTTP流式MCP客户端开发与功能测试
47 【企业级流式HTTP MCP服务器开发实战】1.流式HTTP MCP服务器开发流程
48 【企业级流式HTTP MCP服务器开发实战】2.流式HTTP MCP服务器测试、发布与调用
29 【加餐】基于DS-V3-0324手搓MiniManus
01 【DS-V3-0324】1.大模型Agent智能体开发入门介绍
02 【DS-V3-0324】2.大模型Agent开发通用范式
03 【DS-V3-0324】3.主流十二种Agent开发工具介绍
04 【DS-V3-0324】4.DeepSeek-V3-0324接入与调用指南
05 【DS-V3-0324】5.DeepSeek Function calling技术详解
06 【DS-V3-0324】6.DeepSeek Function calling代码实现流程
07 【DS-V3-0324】7.NL2SQL、NL2Python实现流程
08 【DS-V3-0324】8.DeepSeek多工具并联
09 【DS-V3-0324】9.DeepSeek多工具串联
10 【DS-V3-0324】10.MiniManus项目架构介绍
11 【DS-V3-0324】11.Python编程函数组功能实现
12 【DS-V3-0324】12.MySQL函数组功能实现
13 【DS-V3-0324】13.联网函数组功能实现
14 【DS-V3-0324】14.MiniManus运行流程搭建
15 【DS-V3-0324】15.MiniManus主类编写
16 【DS-V3-0324】16.MiniManus功能实操
30 【加餐】从零手搓DeepResearch
01 1.GPT-4.1&o4模型入门介绍
02 2.GPT模型与Agents SDK调用指南
03 3.DeepResearch项目Multi Agent功能规划
04 4.Multi Agent系统功能开发
05 5.DeepResearch功能测试
31 【加餐】OpenAI Agents SDK 开发实战
01 1.Agent开发技术生态介绍
02 2.Agents SDK安装部署与调用流程
03 3.Agents SDK接入本地开源模型
04 4.Agents SDK调用外部工具流程
05 5.Agents SDK核心特性Runner Loop详解
06 6.Agents SDK实现多工具并联和串联调用
07 7.Agents SDK核心特性Hands Off功能详解
08 8.智能客服系统Multi-Agent开发实战
09 9.MCP技术概念介绍
10 10.MCP服务器与客户端开发流程介绍
11 11.Agents SDK接入本地MCP服务器流程
12 12.Agents SDK接入在线MCP工具流程
13 13.Agents SDK接入多个MCP工具流程
14 14.基于Agents SDK搭建Agentic RAG系统（上）
15 15.基于Agents SDK搭建Agentic RAG系统（下）
32 【加餐】LangChain 0.3 版本应用开发实战
01 1.LangChain入门介绍
02 2.LangChain框架优劣势对比介绍
03 3.各类大模型接入LangChain流程1
04 4.LangChain核心功能Chain搭建方法
05 5.复杂功能Chain搭建方法
06 6.自定义Chain节点实现方法
07 7.借助LangChain搭建多轮对话机器人
08 8.LangChain调用内置工具实现方法
09 9.LangChain调内置工具优化方法
10 10.LangChain接入自定义工具流程1
11 11.LangChain Agent API调用方法详解
12 12.基于LangChain内置工具创建智能体
13 13.浏览器自动化与网络爬虫实战
14 14.MCP技术回顾与客户端、服务器开发流程
15 15.LangChain接入MCP工具完整实现流程1
16 16.RAG基础概念介绍
17 17.【实战】RAG知识库检索系统搭建实战
18 18.【实战】AI数据分析Agent搭建实战1
33 【加餐】LangGraph技术实战公开课
01 1.LangChain与LangGraph框架对比
02 2.LangGraph开发工具生态
03 3.不同Agent框架性能对比
04 4.LangGraph快速创建Agent流程
05 5.外部工具调用流程
06 6.智能体记忆管理方法
07 7.智能体开发部署上线实践
08 8.【实战】Data Agent功能规划
09 9.【实战】NL2SQL、Python代码解释器工具编写流程
10 10.【实战】Data Agent部署上线流程
11 11.【实战】Data Agent功能演示
12 12.【进阶】LangGraph底层API功能说明
13 13.LangGraph图创建过程
14 14.LangGraph图对象运行方法
15 15.借助Pydantic创建稳定State
16 16.条件判断结构图创建方法
17 17.循环图结构创建方法
18 18.借助图结构api开发agent流程
34 【加餐】RAG_GraphRAG_多模态RAG 公开课
01 【RAG】1.RAG快速入门与极简技术示例
02 【RAG】2.RAG技术价值与诞生背景
03 【RAG】3.RAG全景技术介绍
04 【RAG】4.从零到一搭建RAG系统
05 【RAG】5.基于LangChain快速搭建RAG 系统
06 【RAG】6.RAG文档解析与加载流程
07 【RAG】7.RAG文档切分策略
08 【RAG】8.在线Embedding模型接入流程
09 【RAG】9.词向量数据库接入指南
10 【RAG】10.开源embedding模型接入与相似度计算
11 【RAG】11.基于LangChain搭建简易RAG系统
12 【RAG】12.企业级RAG系统文档切分与检索流程
13 【RAG】13.搭建基于RAG的Agent智能体
14 【RAG】14.LangGraph+RAG搭建检索智能体
15 【GraphRAG】1.GraphRAG快速入门介绍
16 【GraphRAG】2.GraphRAG热门开源项目介绍
17 【GraphRAG】3.GraphRAG原理讲解
18 【GraphRAG】4.GraphRAG计算流程梳理
19 【GraphRAG】5.GraphRAG项目开发环境配置
20 【GraphRAG】6.GraphRAG检索与查询流程
21 【GraphRAG】7.GraphRAG API入门介绍
22 【GraphRAG】8.Graphrag项目构建流程回顾
23 【GraphRAG】9.Graphrag高层api调用与参数解释
24 【GraphRAG】10.Graphrag底层api调用方法介绍
25 【GraphRAG】11.从零到一搭建GraphRAG项目
26 【GraphRAG】12.Langgraph+Graphrag项目思路介绍
27 【GraphRAG】13.Graphrag企业级项目开发
28 【GraphRAG】14.Graphrag企业级项目部署上线流程
29 【GraphRAG】15.GraphRAG封装为MCP工具流程
30 【多模态RAG】1.大模型RAG技术体系回顾
31 【多模态RAG】2.多模态RAG技术介绍
32 【多模态RAG】3.热门OCR和VLM模型介绍
33 【多模态RAG】4.MinerU等热门项目功能介绍
34 【多模态RAG】5.多模态PDF元素解析与markdown转化方法
35 【多模态RAG】6.【实战一】从零到一开发多模态Agentic RAG系统
36 【多模态RAG】7.【实战一】多模态Agentic RAG系统效果演示
37 【多模态RAG】8.【选学】第一阶段内容回顾
38 【多模态RAG】9.顶级OCR方案：olmOCR基本介绍
39 【多模态RAG】10.olmOCR部署与调用方法详解
40 【多模态RAG】11.olmOCR命令行调用方法详解
41 【多模态RAG】12.VLM高精度视觉识别流程详解
42 【多模态RAG】13.【实战二】高精度多模态RAG系统开发思路规划
43 【多模态RAG】14.【实战二】多模态Agentic RAG后端功能开发流程
44 【多模态RAG】15.【实战二】多模态Agentic RAG完整功能演示
35 【冲刺班专享】GPT-5_GPT-OSS微调实战 公开课
01 【GPT-5】1.OpenAI新旗舰：GPT-5入门介绍
02 【GPT-5】2.GPT-5核心功能特性介绍
03 【GPT-5】3.GPT-5零门槛接入指南
04 【GPT-5】4.GPT-5 Agent开发入门：Responses API入门介绍
05 【GPT-5】5.Responses API实现多轮对话、多模态与结构化输出
06 【GPT-5】6.Responses API联网与RAG功能实现
07 【GPT-5】7.OpenAI开源Agents SDK入门介绍
08 【GPT-5】8.Agents SDK Agent开发流程
09 【GPT-5】9.Agents SDK智能体开发实战
10 【GPT-5】10.【实战一】GPT-5 DeepResearch应用开发
11 【GPT-5】11.GPT-5 Multi-Agent开发实战
12 【GPT-5】12.【实战二】GPT-5智能客服系统开发
13 【GPT-OSS】1.GPT-OSS模型特性介绍
14 【GPT-OSS】2.微调基本概念入门介绍
15 【GPT-OSS】3.常用微调及评估工具介绍
16 【GPT-OSS】4.GPT-OSS部署与调用流程
17 【GPT-OSS】5.GPT-OSS模型微调环境准备
18 【GPT-OSS】6.Function calling技术介绍
19 【GPT-OSS】7.Agent微调数据集构造原理（上）
20 【GPT-OSS】8.Agent微调数据集构造原理（下）
21 【GPT-OSS】9.Agent性能微调数据集推荐
22 【GPT-OSS】10.Unsloth快速入门
23 【GPT-OSS】11.GPT-OSS中文推理链微调任务介绍
24 【GPT-OSS】12.中文推理链微调数据集清洗
25 【GPT-OSS】13.GPT-OSS中文推理链微调实战
26 【GPT-OSS】14.Agent性能微调数据集介绍
27 【GPT-OSS】15.Agent性能微调数据清洗
28 【GPT-OSS】16.Agent性能微调实战与效果评估
36 【冲刺班专享】Codex开发实战
01 1.编程Agent实际应用场景介绍
02 2.热门编程模型与编程Agent对比介绍
03 3.Codex安装部署与核心功能介绍
04 4.借助Codex完成简单网页开发
05 5.企业级Codex&Claude Code项目开发工作流介绍
06 6.Agentic RAG项目需求梳理与前端开发
07 7.Agentic RAG系统后端开发实战
08 8.Agentic RAG系统部署上线与效果测试
37 【加餐】Dify开发实战
01 1.主流Agent开发框架对比介绍
02 2.Dify入门介绍
03 3.Coze、n8n、LangFlow工具简介
04 4.Dify本地部署流程
05 5.Dify初级入门使用流程1
06 6.Dify知识库搭建流程
07 7.多知识库智能助教开发流程
08 8.Dify Agent部署上线与运维监控
09 9.Dify文本应用开发流程
10 10.翻译助手开发实战
11 11.智能广告文案生成Agent开发实战
12 12.SEO编写Agent开发实战
13 13.Dify Agent类应用开发流程
14 14.Dify内置工具&插件介绍
15 15.多模态文生图Agen开发实战t
16 16.智能科研助手开发实战
17 17.Dify ChatFlow应用开发入门
18 18.ChatFlow应用发布与后端API调用方法
19 19.多知识库智能助教ChatFlow开发流程
20 20.更多Dify工作流功能节点介绍
21 21.Dify热门插件MinerU功能介绍与安装流程
22 22.多模态文档检索引擎开发实战
23 23.DeepResearch应用开发实战
38 【加餐】DeepSeek-OCR快速入门实战
01 1.OCR&VLM模型技术生态介绍
02 2.DeepSeek-OCR模型核心功能与使用场景介绍
03 3.模型本地部署环境配置
04 4.模型Transformers调用流程
05 5.模型vLLM调用流程
06 6.【实战】模型图片&表格识别流程
07 7.【实战】模型CAD图纸、装饰图识别
08 8.【实战】模型PDF转MarkDown流程
39 【加餐】PaddleOCR-VL 多模态RAG系统实战
01 1. 基于PP-VL+DS-OCR搭建企业级多模态RAG系统
02 2. 多模态RAG系统完整功能介绍
03 3. 主流热门OCR项目适用场景及优劣势分析
04 4.【实战】PaddleOCR-VL本地解析效果测试
05 5.【实战】PaddleOCR-VL本地解析效果测试
06 6. PaddleOCR-VL 代码环境运行及输出结果解读
07 7.【实战】DeepSeek-OCR 本地图片解析实战
08 8.【项目】项目前后端本地部署教程
09 9.【项目】项目前后端本地部署教程
40 【加餐】LangChain 1.0 快速入门实战
01 1.LangChain 1.0核心特新介绍
02 2.LangChain 1.0接入各类模型方法
03 3.LangChain 1.0模型调用方法
04 4.流式输出、批处理和多轮对话机器人
05 5.LangChain 1.0 Agent API入门介绍
06 6.LangChain Agent接入内置工具&自定义工具流程
07 7.LangChain Agent记忆管理方法
08 8.LangChain Agent部署上线流程
09 9.LangChain 1.0 AI数据分析Agent开发实战
10 10.中间件概念与模型动态调用方法
11 11.基于中间件的消息压缩与人在闭环实现方法
41 【加餐】Agentic RL 入门实战
01 1.Agentic RL技术入门介绍
02 2.强化学习基础原理介绍
03 3.Agentic RL热门工具介绍
04 4.Agent-Lightning项目功能介绍
05 5.Agentic RL基础环境准备
06 6.SQL-Agent RL项目创建
07 7.SQL-Agent RL训练与效果测试
【2025夏季班正课】大模型Agent智能体开发实战
01 Google ADK 集成 MCP 服务及认证组件开发实战飞豹客 · 教程详情
赋范-九天菜菜2025年Agent智能体开发实战
分享
AI
10 人浏览发布 2026-09-08更新 2026-09-08
会员可免费下载本篇
查看价格与购买
