马士兵教育-2026年AI大模型工程师【系统课】

课程目录

001-直播课/
01-大模型直播课（三期）/
1.第1课：VIP开营和AI大模型尝鲜 41.sz
10.第10课：推理与采样调度器DDPM、DDIM .sz
11.第11课：完整训练流程与工程优化 .sz
12.新版LangChain - Models 模型-01 .sz
13.新版LangChain - Agent 智能体 .sz
14.新版LangChain - Agent 智能体 - 02 .sz
15.新版LangChain - Agent 智能体 - 03 .sz
16.新版LangChain - Agent 智能体 - 04 .sz
17.新版LangChain - 短期记忆 .sz
18.新版LangChain - 长期记忆 .sz
19.08-新版LangChain - 人机协同-HITL - 01 .sz
2.第2课：反向传播与卷积池化层 .sz
20.09-新版LangChain - 人机协同-HITL - 02 .sz
21.10-新版LangChain - Guardrails 安全护栏 .sz
22.11-新版LangChain - Agent运行时与上下文 .sz
23.DeepAgents的文件后端 .sz
24.MulitAgent开发和任务规划 .sz
25.AgentSkills+Sandbox实战 .sz
26【基于Harness Engineering架构】DeepAgents的手撕OpenClaw项目一 .sz
27.【基于Harness Engineering架构】DeepAgents的手撕OpenClaw项目二 .sz
28.【基于Harness Engineering架构】DeepAgents的手撕OpenClaw项目(三) .sz
29.【基于Harness Engineering架构】DeepAgents的手撕OpenClaw项目(四) .sz
3.第3课：经典卷积神经网络 .sz
30.Hermes Agent - 01 .sz
31.Hermes Agent - 02 .sz
4.第4课：CNN 与 AutoEncoder 代码实战 .sz
5.第5课：DAE 代码实战与 VAE 原理讲解 .sz
6.第6课：VAE 与 UNet 代码实战 .sz
7.第7课：文本编码器 CLIP 与多模态对齐 .sz
8.第8课：Stable Diffusion 架构整合 .sz
9.第9课：扩散训练流程与损失函数 .sz
大模型直播课（三期）.rar
02-大模型直播课（二期）/
1.VIP开营和VIP大模型尝鲜 .sz
10.从0到1训练MOE架构大模型项目九 .sz
11.从0到1训练MOE架构大模型项目十 .sz
12.实现基于知识图谱的RAG(一) .sz
13.实现基于知识图谱的RAG(二) .sz
14.多模态RAG+RAGAS实战项目(一) .sz
15.多模态RAG+RAGAS实战项目(二) .sz
16.多模态RAG+RAGAS实战项目(三) .sz
17.多模态RAG+RAGAS实战项目(四) .sz
18.多模态RAG+RAGAS实战项目(五) .sz
19.多模态RAG+RAGAS实战项目(六) .sz
2.从0到1训练MOE架构大模型项目一 .sz
20.AI大模型工程师简历和面试指导 .sz
21.多模态RAG项目的补充内容 .sz
3.从0到1训练MOE架构大模型项目二 .sz
4.从0到1训练MOE架构大模型项目三 .sz
5.从0到1训练MOE架构大模型项目四 .sz
6.从0到1训练MOE架构大模型项目五 .sz
7.从0到1训练MOE架构大模型项目六 .sz
8.从0到1训练MOE架构大模型项目七 .sz
9.从0到1训练MOE架构大模型项目八 .sz
大模型直播课（二期）.rar
03-大模型直播课（一期）/
1.VIP开营和AI大模型的尝鲜 .sz
11.LLM之从机器学习到神经网络串讲 .sz
12.从神经网络到Attention注意力机制 .sz
13.Transformer架构与底层代码解析 .sz
14.强化学习之蒙特卡洛、时序差分、Q-Learning .sz
15.强化学习之DQN、策略梯度 PolicyGradient .sz
16.强化学习之ActorCritic、PPO、DPO 等 .sz
17.AI大模型工程师简历和面试指导 .sz
2.国内外各种大模型应用开发 .sz
3.各种链的组装和案例 .sz
4.LECL和Agent .sz
5.Tool和Agent .sz
6.LangGraph 工作流实战项目 .sz
7.携程AI大模型综合智能平台项目一 .sz
8.携程AI大模型综合智能平台项目二 .sz
9.携程AI大模型综合智能平台项目三 .sz
大模型直播课（一期）.rar
04-大模型直播课（四期）/
基于Harness架构的AI Coding项目/
1.开班典礼+基于Harness架构的AI-Coding项目(一) .sz
[1.2]--基于Harness架构的AI-Coding项目(二 .sz
[1.3]--基于Harness架构的AI-Coding项目(三 .sz
[1.4]--基于Harness架构的AI-Coding项目(四 .sz
[1.5]--基于Harness架构的AI-Coding项目(五 .sz
[1.6]--基于Harness架构的AI-Coding项目(六 .sz
[1.7]--基于Harness架构的AI-Coding项目(七 .sz
[1.8]--基于Harness架构的AI-Coding项目(八 .sz
大模型直播课（四期）.rar
002-项目篇/
项目10：手撕OpenClaw 企业实战项目/
手撕OpenClaw企业实战项目/
1.DeepAgents的文件后端 .sz
2.DeepAgents的MultiAgent .sz
3.AgentSkills+Sandbox实战 .sz
4.DeepAgents的手撕OpenClaw项目（一） .sz
5.DeepAgents的手撕OpenClaw项目（二） .sz
6.DeepAgents的手撕OpenClaw项目（三） .sz
7.DeepAgents的手撕OpenClaw项目（四） .sz
项目11：手撕CodeX 企业AI Coding项目/
内容和直播4期一致故不重复放.txt
项目12：基于Langfuse的智能体评估平台实战项目/
{1}--Langfuse的核心概念/
[1.1]--01Langfuse是什么 .sz
[1.2]--02为什么要用Langfuse .sz
[1.3]--03Langfuse工作中的相关概念 .sz
[1.4]--04Langfuse的自托管服务 .sz
[1.5]--05Langfuse的版本时间轴 .sz
[1.5]--05Langfuse的版本时间轴 194.sz
[1.6]--06Langfuse的V4到底有什么升级 .sz
[1.6]--06Langfuse的V4到底有什么升级 686.sz
[1.7]--07LangfuseV4的评估闭环 .sz
{2}--Linux部署Langfuse的自托管服务/
[2.1]--08Langfuse的安装环境介绍 .sz
[2.1]--08Langfuse的安装环境介绍 534.sz
项目十二：基于Langfuse的智能体评估平台实战项目.rar
项目1：携程AI智能助手项目/
01-项目开始/
1.项目第一天 165.sz
2.项目第二天 939.sz
3.项目第三天 576.sz
02-项目后续/
1.01创建一个WebUI界面 811.sz
2.02通过UI界面调用工作流 178.sz
3.03基于Deepseek的工作流 988.sz
4.04私有化部署Deepseek大模型调用工作流 231.sz
5.05使用FastAPI发布服务 81.sz
6.06开发一个工作流的API接口 901.sz
7.07调用Restful的API接口 813.sz
03-新版LangGraph的多智能体方案/
1.01Superviser多智能体监督者 459.sz
2.02创建五个子智能体 792.sz
3.03创建交接工具和主智能体 753.sz
4.04构建一个多智能体的Graph 192.sz
5.05测试多智能体的Graph 916.sz
6.06在多智能体中加入人工介入 553.sz
项目一：携程AI智能助手项目.rar
项目2：RAG企业知识库项目/
01-向量数据库的选择和操作/
1.01RAG项目的核心解决方案 278.sz
2.02本地Milvus数据库 424.sz
3.03操作Milvus数据库 799.sz
4.04企业服务器部署Milvus数据库 230.sz
02-数据的加载和切片/
1.05PDF文件简单解析器 139.sz
2.06PDF文件高级解析 458.sz
3.07服务器部署Unstructured 142.sz
4.08服务器配置HuggingFace镜像 624.sz
5.09服务器PDF高级解析器 89.sz
6.10结构化解析Markdown 371.sz
7.11合并标题Document 360.sz
8.12合并标题Document(二) 587.sz
9.13根据语义切割长文本 176.sz
03-Embeddings和向量存储/
1.14密集嵌入BGE-Large和稀疏嵌入 767.sz
2.15-BM25稀疏Embedding 276.sz
3.16执行稀疏向量相关性搜索 319.sz
4.17密集向量创建索引 548.sz
5.18创建Collection 22.sz
6.19保存Document到Milvus服务器 134.sz
7.20输出表结构和索引数据 170.sz
04-RAG的高级检索/
1.21多进程加入数据 43.sz
2.22分布式写入Milvus 369.sz
3.23RAG高级检索(一) 534.sz
4.24RAG高级检索(二) 814.sz
5.25RAG高级检索(三) 323.sz
6.26RAG的高级检索(四) 252.sz
7.27RAG的高级检索(五) 690.sz
8.28RAG的高级检索(六) 683.sz
9.29RAG的高级检索(七) 239.sz
05-Agent工作流+自我评估/
1.30Agent决策的RAG 879.sz
10.39Adaptive自适应RAG(三) 371.sz
11.40Adaptive自适应RAG(四) 671.sz
12.41Adaptive自适应RAG(五) 640.sz
13.42Adaptive自适应RAG(六) 167.sz
2.31智能体决策的RAG(二) 415.sz
3.32CorrectiveRAG自我纠正(一) 8.sz
4.33CorrectiveRAG自我纠正(二) 670.sz
5.34CorrectiveRAG自我纠正(三) 253.sz
6.35CorrectiveRAG自我纠正(四) 512.sz
7.36CorrectiveRAG自我纠正(五) 956.sz
8.37Adaptive自适应RAG(一) 780.sz
9.38Adaptive自适应RAG(二) 30.sz
项目二：RAG企业知识库项目.rar
项目3：TEXT2SQL+Qwen3大模型项目实战/
01-项目介绍+MCP服务端开发/
1.01TEXT2SQL项目介绍 29.sz
2.02数据库连接 702.sz
3.03langchain中自带的工具集 446.sz
4.04定义MCP服务端 398.sz
02-核心工作流开发/
1.05工作流的规划 233.sz
2.06定义异步工作流(一) 992.sz
3.07定义异步工作流(二) 148.sz
4.08定义异步工作流(三) 960.sz
5.09定义异步工作流(四) 712.sz
6.10异步执行工作流 863.sz
03-Qwen3大模型私有化部署+项目整合/
1.11Qwen3系列模型的介绍 635.sz
2.12私有部署最新的Qwen3 517.sz
3.13Qwen3的深度思考模式 68.sz
4.14Qwen3私有化+项目 405.sz
项目三：TEXT2SQL+Qwen3大模型项目实战.rar
项目4：基于大模型的 智能翻译助手/
01-项目需求与功能规划/
1.28书籍自动翻译项目需求 868.sz
2.29书籍自动翻译项目参数和初始化 .sz
3.30PDF文件的解析工具(一) 584.sz
4.31PDF文件的解析工具(二) 156.sz
02-BookTranslator项目实战一/
1.32调用openAI的模型接口 50.sz
10.38处理翻译之后的文本 696.sz
11.39Writer模块实现 440.sz
2.日志模块的补充知识一 452.sz
3.日志模块补充知识二 784.sz
4.日志模块补充知识三 900.sz
5.33书本内容解析操作(一) 54.sz
6.34书本内容解析操作(二) 206.sz
7.35书本内容解析操作(三) 527.sz
8.36大模型翻译核心(一) 205.sz
9.37调用AI大模型翻译文本 738.sz
03-BookTranslator项目实战二/
1.40翻译文本写入段落中 625.sz
2.41翻译表格写入Table中 929.sz
3.42翻译文本写入MD 663.sz
4.43翻译表格写入MD 571.sz
5.44调用Writer模块 983.sz
6.45调用Translator模块 213.sz
7.46整个项目综合调试 88.sz
8.47书籍翻译器启动 470.sz
9.48书籍翻译器生成MD 507.sz
项目四：基于大模型的 智能翻译助手.rar
项目5：DeepSeek系列模型解析与微调实战/
01-DeepSeek V1 论文领读/
1.01_DeepSeekV1 摘要与介绍 65.sz
2.02_DeepSeekV1 架构和预训练 283.sz
3.03_关于 Scaling Laws 的新发现 769.sz
4.04_DeepSeekV1 后训练与评估 753.sz
5.05_针对 DeepSeekV1 的探讨与总结 739.sz
02-DeepSeek V2 论文剖析/
1.06_DeepSeekV2 整体介绍 35.sz
10.15_DeepSeekV2 模型的后训练以及其中用到的GRPO算法 172.sz
11.16_关于 DeepSeekV2 的探讨和总结 649.sz
2.07_DeepSeek 之多头潜在注意力机制 MLA 517.sz
3.08_多头潜在注意力中的矩阵融合、RoPE解耦 302.sz
4.09_通过图示讲解 MLA 整体流程 690.sz
5.10_比较不同注意力机制对于 KV cache 的占用 326.sz
6.11_DeepSeek 架构之混合专家系统 MOE 828.sz
7.12_DeepSeekMOE 中的设备受限路由机制 341.sz
8.13_DeepSeekV2 中添加的额外损失、Token 丢弃策略 768.sz
9.14_DeepSeekV2 模型的预训练、长上下文扩展 700.sz
03-DeepSeek V3 论文精讲/
1.17_DeepSeekV3 技术报告的详细介绍 5.sz
2.18_对V2模型MOE的变化、Loss-Free 负载均衡、额外损失、节点受限路由 902.sz
3.19_DeepSeekV3 引入多Token预测机制 MTP 617.sz
4.20_DeepSeekV3 之 FP8 混合精度训练 678.sz
5.21_LLM推理部署之预填充和解码 Prefill&Decoding 515.sz
6.22_DeepSeekV3 预训练参数设置与长上下文扩展 158.sz
7.23_DeepSeekV3 后训练步骤、讨论、总结 231.sz
04-DeepSeek R1 论文解析/
1.24_DeepSeekR1 论文摘要和整体介绍 497.sz
2.25_DeepSeekR1-Zero模型和有趣的顿悟时刻 754.sz
3.26_DeepSeekR1 模型4阶段训练、基于它的知识蒸馏 488.sz
4.27_DeepSeekR1 讨论与总结 703.sz
05-DeepSeek 在医疗问答场景下的监督微调实战/
1.28_创建节点并下载模型 942.sz
2.29_运行环境的安装和模型加载 973.sz
3.30_微调前使用模型进行推理 455.sz
4.31_训练数据的处理与加载 793.sz
5.32_对模型进行有监督微调 301.sz
6.33_使用训练后模型进行推理预测 910.sz
06-GRPO 面向智慧医疗的偏好对齐微调实战/
1.34_准备训练模型与动态给模型添加GRPO组件 735.sz
2.35_HF数据集本地使用、训练数据集的预处理 633.sz
3.36_自定义多种评分函数 Reward Functions 967.sz
4.37_GRPO 超参数设置与模型训练 67.sz
5.38_GRPO 算法微调可用于非 DeepSeek 模型 630.sz
6.39_训练阶段整合 vllm 推理引擎 914.sz
7.40_训练后模型预测、模型保存与参数合并 409.sz
07-DeepSeek mHC 深度解析/
1.Residual Connection 及其优势 773.sz
2.Hyper Connection 网络结构 630.sz
3.mHC 基于 Hyper Connection 的改进 486.sz
4.pytorch 实现 mHC 网络结构 658.sz
项目五：DeepSeek系列模型解析与微调实战.rar
项目6：基于AI大模型开发问答系统/
销售客服问答系统项目/
1.23销售客服AI机器人项目介绍 764.sz
2.24创建Vector数据库 979.sz
3.25加载向量数据库并得到Chain 606.sz
4.26测试Langchain的结果 610.sz
5.27项目的UI可视化 770.sz
6.28AI机器人正式启动 531.sz
项目六：基于AI大模型开发问答系统.rar
项目7：基于原生PyTorch的 大模型全链路构建与训练/
大模型全链路构建与训练/
1.VIP开营和VIP大模型尝鲜 467.sz
10.从0到1训练MOE架构大模型项目九 658.sz
11.从0到1训练MOE架构大模型项目十 636.sz
2.从0到1训练MOE架构大模型项目一 28.sz
3.从0到1训练MOE架构大模型项目二 231.sz
4.从0到1训练MOE架构大模型项目三 644.sz
5.从0到1训练MOE架构大模型项目四 959.sz
6.从0到1训练MOE架构大模型项目五 956.sz
7.从0到1训练MOE架构大模型项目六 619.sz
8.从0到1训练MOE架构大模型项目七 490.sz
9.从0到1训练MOE架构大模型项目八 872.sz
项目8：基于GME模型的 多模态RAG知识库项目/
知识库项目/
1.实现基于知识图谱的RAG(一) .sz
10.多模态RAG项目的补充内容 .sz
2.实现基于知识图谱的RAG(二) .sz
3.多模态RAG+RAGAS实战项目(一) .sz
4.多模态RAG+RAGAS实战项目（二） .sz
5.多模态RAG+RAGAS实战项目(三） .sz
6.多模态RAG+RAGAS实战项目（四） .sz
7.多模态RAG+RAGAS实战项目(五) .sz
8.多模态RAG+RAGAS实战项目(六） .sz
9.AI大模型工程师简历和面试指导 .sz
项目9：构建StableDiffusion 全链路引l擎与多/
StableDiffusion全链路引l擎与多模态实战/
1.反向传播与卷积池化层 .sz
10.完整训练流程与工程优化 .sz
2.经典卷积神经网络 .sz
3.CNN与AutoEncoder代码实战 .sz
4.DAE代码实战与VAE原理讲解 .sz
5.VAE与UNet代码实战 .sz
6.文本编码器CLIP与多模态对齐 .sz
7.StableDiffusion架构整合 .sz
8.扩散训练流程与损失函数 .sz
9.推理与采样调度器DDPM、DDIM .sz
003-基础篇/
01-提问的智慧/
01-如何提问/
1.如何提问 .sz
提问的智慧课件.rar
02-课程引入/
01-课程引入/
1.1、制定学习路线，学习路线查看 .sz
10.10、nyf笔记如何打开-借助MyBase软件 .sz
2.2、授课方式介绍，观看方式介绍 .sz
3.3、打卡模式 .sz
4.4、课程资料下载 .sz
5.5、查询课程 .sz
6.6、如何提问 .sz
7.7、练习题模式（智能题库） .sz
8.8、上班时间 .sz
9.9、学习排行榜 .sz
课程引入课件.rar
03-AI大模型前期必须课/
01-AI大模型课程前期必看/
1.AI大模型工程师：工具篇 .sz
2.AI大模型工程师：应用篇 .sz
3.AI大模型工程师：算法篇 .sz
4.AI大模型工程师：微调篇 .sz
5.AI大模型工程师：预训练 .sz
6.Python全系列课程学习规划 .sz
02-算力服务器的注意事项/
1.Python版本的选择 .sz
2.算力服务器的使用场景 .sz
3.算力卡的选择与配置连接 .sz
03-大模型破冰之旅/
1.学习路线+学习方法+硬件准备+语言准备 .sz
2.Al必备概念-AI历史上的四次大发展 .sz
3.Al必备概念-机器学习 .sz
4.Al必备概念-深度学习 .sz
5.Al必备概念-神经网络 .sz
6.Al必备概念-大语言模型 .sz
7.Al必备概念-大模型介绍 .sz
AI大模型前期必须课资料.rar
04-大模型理论基础/
01-AI大模型课程前期必看/
1.AI大模型工程师：工具篇 325.sz
2.AI大模型工程师：应用篇 766.sz
3.AI大模型工程师：算法篇 861.sz
4.AI大模型工程师：微调篇 783.sz
5.AI大模型工程师：预训练 615.sz
6.Python全系列课程学习规划 73.sz
02-算力服务器的注意事项/
1.Python版本的选择 673.sz
2.算力服务器的使用场景 450.sz
3.算力卡的选择与配置连接 450.sz
03-大模型基础之机器学习篇/
1.机器学习、深度学习、有监督学习 .sz
10.常见问题回答 .sz
2.多元线性回归算法 .sz
3.梯度下降法与模型训练 .sz
4.升维、降维、early stopping、惩罚项 .sz
5.正则化与归一化 .sz
6.逻辑回归、Softmax回归、损失函数 .sz
7.什么是神经网络 .sz
8.理解神经网络反向传播 .sz
9.知识总结 .sz
04-大模型基础之深度学习篇/
1.回归神经网络反向传播 .sz
2.梯度消失问题 .sz
3.激活函数、批量归一化、参数初始化 .sz
4.图像识别与卷积神经网络 .sz
5.经典CNN模型、残差网络等 .sz
6.NLP任务与循环神经网络 .sz
7.梯度消失、长短时记忆 .sz
… 共 1908 条