人工精选聚客大模型第三期(聚客第一、第二、第三期)
从“调包”到“实战”:聚客大模型第三期的落地价值 市面上充斥着大量只会讲理论、无法落地的 AI 课程,而这门聚客大模型第三期,核心解决了“大模型如何真正跑起来”的痛点。前两期可能还在讲基础原理,第三期直接切入 LangChain 应用编排、RAG 检索增强生成以及模型微调训练等硬核场景。它不再满足于
会员可免费下载本篇月会员可免费领取。
开通会员 ›会员 · 按档位
游客按标价购买,不享受上表折扣。
支付成功后自动发放网盘链接,链接失效可找客服免费补
从“调包”到“实战”:聚客大模型第三期的落地价值
市面上充斥着大量只会讲理论、无法落地的 AI 课程,而这门聚客大模型第三期,核心解决了“大模型如何真正跑起来”的痛点。前两期可能还在讲基础原理,第三期直接切入 LangChain 应用编排、RAG 检索增强生成以及模型微调训练等硬核场景。它不再满足于让你调用接口,而是要求你理解链式调用逻辑、掌握向量数据库的构建方法,甚至能独立微调开源模型以适应特定业务需求。对于想摆脱“只会提问不会开发”困境的职场人,这门课是区分业余玩家与初级工程师的关键分水岭。
资料配置与学习路径:零基础也能看懂的代码实战
课程资料包结构清晰,但并非为了灌输知识,而是为了支撑“边看边练”的闭环学习。建议优先观看"06_LangChain 进阶”与"07_langChain 和 RAG 实战”部分,这里涵盖了自定义组件编写与检索增强生成的完整案例,是构建企业级应用的基础。若你已有 Python 基础,可直接跟随视频操作 `day10-demo.zip` 和 `day11-demo.zip`,对照 `pdf` 课件理解核心逻辑。对于有深度学习背景的进阶者,则必须深入"09_Hugging Face"模块,特别是关于 GPT2 中文微调、BERT 情感分析以及超长文本处理的实操,这些内容直接对应当前的技术热点,能帮你掌握从数据清洗到模型调优的全流程。
学完能做什么:从搭建应用原型到部署私有化模型
学完这门课,你不再依赖现成的 API 服务,而是具备了独立开发垂直领域 AI 应用的能力。具体而言,你能利用 LangChain 快速搭建一个基于企业知识库的智能问答机器人,通过 RAG 技术解决大模型“幻觉”问题,确保回答的准确性。更进阶的是,你能够使用 Hugging Face 生态对开源模型进行微调,使其理解行业术语或特定语料,并学习使用 LMDeploy 将训练好的模型部署到本地或私有服务器,实现数据不出域的合规化运行。这套技能树直接对应了目前市场上最紧缺的大模型应用工程师岗位,让你在面对“我们需要做一个内部客服系统”这类需求时,能直接给出技术实现方案并动手落地,而非只能仰望大厂的产品。资料中的案例代码和配置文件,正是你应对实际工作场景的现成模板,务必吃透每一个运行步骤。
课程目录
day11_基于LangChain和RAG的常用案例实战6 集
- 【录播】基于LangChain和RAG的常用案例实战.mp4 [817.6 MB]
- day11-demo.zip [2.1 MB]
- 【课件】基于LangChain和RAG的常用案例实战.pdf [863.5 KB]
- 【MD】基于LangChain和RAG的常用案例实战.md [28.1 KB]
- 【资料】基于LangChain和RAG的常用案例实战.pdf [5.4 MB]
- 【语雀】基于LangChain和RAG的常用案例实战.txt [128.0 B]
day10_自定义组件专题6 集
- 【MD】自定义组件专题.md [48.7 KB]
- 【语雀】自定义组件专题.txt [107.0 B]
- 【课件】自定义组件专题.pdf [858.0 KB]
- 【资料】自定义组件专题.pdf [2.2 MB]
- 【录播】自定义组件专题.mp4 [830.9 MB]
- day10-demo.zip [18.7 KB]
day_16Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练)4 集
- demo_16.zip [27.8 MB]
- 【录播】Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练).mp4 [802.8 MB]
- 【课件】Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练).pdf [513.9 KB]
- 【资料】Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练).pdf [323.9 KB]
day_13Hugging Face 核心组件介绍4 集
- 【资料】Hugging Face 核心组件介绍.pdf [312.9 KB]
- demo_13.zip [1.1 GB]
- 【录播】Hugging Face 核心组件介绍.mp4 [1.7 GB]
- 【课件】Hugging Face 核心组件介绍.pdf [502.4 KB]
day_15Hugging Face 模型微调训练(如何处理超长文本训练问题)4 集
- 【课件】Hugging Face 模型微调训练(如何处理超长文本训练问题).pdf [498.9 KB]
- 【资料】Hugging Face 模型微调训练(如何处理超长文本训练问题).pdf [361.4 KB]
- 【录播】Hugging Face 模型微调训练(如何处理超长文本训练问题).mp4 [801.4 MB]
- model.zip [364.5 MB]
day_14Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析)3 集
- 【课件】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf [503.5 KB]
- 【资料】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf [743.2 KB]
- 【录播】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).mp4 [766.4 MB]
demo_184 集
- test02.py [440.0 B]
- test01.py [457.0 B]
- 【资料】LMDeploy部署大模型.pdf [327.0 KB]
- 【录播】LMDeploy部署大模型.mp4 [952.8 MB]
train27 条
- cache-7f783dce092dc384.arrow [73.5 KB]
- cache-42a7d570466d6993.arrow [76.7 KB]
- cache-942e97a8804ee679.arrow [73.5 KB]
- cache-eb31b953e8e788fb.arrow [73.5 KB]
- dataset_info.json [1.8 KB]
- cache-618b312c42069194.arrow [73.5 KB]
- cache-3bdb9443d1ca0706.arrow [624.0 B]
- cache-a6ab41ffbc1946d5.arrow [8.0 KB]
- state.json [256.0 B]
- cache-39dfc0aff9c238ae.arrow [73.5 KB]
- cache-badcf79eb9fa62a0.arrow [73.5 KB]
- cache-b85c50cd434dd865.arrow [73.5 KB]
- cache-fdafe12f59ab3430.arrow [73.5 KB]
- cache-d7c6377d856b0538.arrow [73.5 KB]
- cache-1e3bba9512e20e17.arrow [73.5 KB]
- cache-b53b61aef9d859aa.arrow [73.5 KB]
- cache-a34d90b946dc58b8.arrow [73.5 KB]
- cache-8a97cd1e06b735d2.arrow [73.5 KB]
- cache-9f44d179cc25c59e.arrow [73.5 KB]
- cache-3432ecc2b0d45f4c.arrow [73.5 KB]
- dataset.arrow [3.0 MB]
- cache-60739da7e9e626bf.arrow [73.5 KB]
- cache-a41fe1013beb0d46.arrow [73.5 KB]
- cache-b4e51936648802e2.arrow [76.7 KB]
- cache-703908ea6da8e823.arrow [73.5 KB]
- cache-c5b262546ff026fd.arrow [76.7 KB]
- cache-980049a695f6628c.arrow [69.1 KB]
validation18 条
- cache-c072f719f0b9b62a.arrow [9.6 KB]
- cache-800047dd8fdede53.arrow [9.6 KB]
- cache-1b273238fdadead7.arrow [9.6 KB]
- cache-8ae76a3b52248a8f.arrow [9.6 KB]
- cache-a1c8a8bb0a669e93.arrow [9.6 KB]
- cache-805d054a96ccc48f.arrow [9.6 KB]
- cache-5cd00431b9d3a916.arrow [9.6 KB]
- cache-486e66fea9239c3f.arrow [9.6 KB]
- cache-428974171b74f1a0.arrow [9.6 KB]
- cache-4a46afc6455cc3f0.arrow [9.6 KB]
- cache-9b7789b1e0e636fb.arrow [9.6 KB]
- dataset.arrow [376.6 KB]
- dataset_info.json [1.8 KB]
- cache-585e054403b710b3.arrow [9.6 KB]
- cache-749efdb8f0ee42be.arrow [9.6 KB]
- cache-e621cb96adf0c923.arrow [10.0 KB]
- cache-85b0ee5d0aeacbe5.arrow [9.6 KB]
- state.json [261.0 B]
test6 条
- state.json [255.0 B]
- cache-7dd332715d90b654.arrow [10.0 KB]
- dataset.arrow [372.3 KB]
- dataset_info.json [1.8 KB]
- dataset_dict.json [43.0 B]
- hermes-function-calling-v1.csv [14.7 MB]
inspectionProfiles6 条
- profiles_settings.xml [174.0 B]
- .gitignore [50.0 B]
- misc.xml [189.0 B]
- workspace.xml [7.2 KB]
- modules.xml [271.0 B]
- demo_5.iml [291.0 B]
params3 条
- 2_bert.pth [7.5 KB]
- 1_bert.pth [7.5 KB]
- 0_bert.pth [7.5 KB]
__pycache__2 条
- net.cpython-312.pyc [1.7 KB]
- MyData.cpython-312.pyc [1.5 KB]
c30a6ed22ab4564dc1e3b2ecbf6e766b0611a33f2 条
- special_tokens_map.json
- added_tokens.json
c30a6ed22ab4564dc1e3b2ecbf6e766b0611a33f5 条
- tokenizer_config.json [49.0 B]
- tokenizer.json [262.6 KB]
- config.json [624.0 B]
- model.safetensors [392.5 MB]
- vocab.txt [107.0 KB]
refs10 集
- main [40.0 B]
- data_test.py [658.0 B]
- run.py [1.7 KB]
- MyData.py [856.0 B]
- token_test.py [1.5 KB]
- net.py [989.0 B]
- train.py [2.6 KB]
- 【资料】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf [304.7 KB]
- 【录播】基于 BERT 的中文评价情感分析.mp4 [754.7 MB]
- 【课件】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf [500.6 KB]
data7 集
- data1.json [64.4 KB]
- rag_law.py [8.0 KB]
- llama_index_vllm.py [873.0 B]
- read_json.py [781.0 B]
- llama_index_llm.py [583.0 B]
- 【课件】基于RAG的法律条文智能助手(实现篇).pdf [491.2 KB]
- 【录播】基于RAG的法律条文智能助手【实现篇】.mp4 [1.5 GB]
checkpoint-370011 条
- optimizer.pt [43.2 MB]
- adapter_config.json [754.0 B]
- README.md [5.0 KB]
- training_args.bin [5.4 KB]
- scheduler.pt [1.0 KB]
- adapter_model.safetensors [21.5 MB]
- special_tokens_map.json [439.0 B]
- trainer_state.json [133.8 KB]
- rng_state.pth [13.9 KB]
- tokenizer_config.json [53.3 KB]
- tokenizer.json [16.4 MB]
data6 集
- ruozhiba_qaswift.json [588.5 KB]
- ruozhiba_qaswift_train.json [632.3 KB]
- test01.py [724.0 B]
- 【录播】LLaMA-Factory模型导出量化.mp4 [1.1 GB]
- 【资料】LLaMa3导出量化(LLaMA-Factory模型导出量化).pdf [769.0 KB]
- 【课件】LLaMa3导出量化(LLaMA-Factory模型导出量化).pdf [497.3 KB]
data9 集
- pdf内容研报.pdf [189.1 KB]
- requirements.txt [4.3 KB]
- README_zh-CN.md [14.5 KB]
- test02.py [222.0 B]
- test01.py [365.0 B]
- 模型微调与RAG.png [104.6 KB]
- 【课件】Llama_Index(核心组件介绍).pdf [486.3 KB]
- 【录播】Llama_Index核心组件介绍.mp4 [1.2 GB]
- 【资料】Llama_Index(核心组件介绍).pdf [624.0 KB]
Llama3_test8 集
- test02.py [1.2 KB]
- test01.py [165.0 B]
- data.py [501.0 B]
- detect.py [709.0 B]
- train.py [3.2 KB]
- net.pt [389.4 MB]
- detect02.py [4.5 KB]
- 【录播】llama3大模型本地调用.mp4 [912.7 MB]
- … 其余 2770 项略,目录共 2970 项





