1、RAG工作原理.mp4 2_2大模型目前固有的局限性.mp4 3_3检索增强生成.mp4 4_4文档的加载与切割.mp4 5_5LLM接口封装.mp4 6_6Prompt模版.mp4 7_7什么是向量.mp4 8_8文本向量.mp4 9_9文本向量是怎么得到的选.mp4 10_10VectorStore向量存储与检索.mp4 11_11Chrom向量数据库使用.mp4 12_12向量数据库选型.mp4 13_13RAG高级进阶实战.mp4 14_14文本分割粒度.mp4 15_15检索后排序.mp4 16_16ReRanker模型.mp4 17_17混合检索HybridSearch.mp4 18_18RRF.mp4 19_19PDF文档表格处理.mp4 20_20GraphRAG基本介绍.mp4 21_21实战一RAGWorkflowI作流详解.mp4 22_22RAGVSFineTuning模型微调.mp4 23_23大模型企业级业务场景落地方案实践.mp4 24_24使用conda配置知识库项目Python环境.mp4 25_25SentenceTransformer大模型详解.mp4 26_26Embedding文本向量化处理实战.mp4 27_27InternLM218BQwen25I05B模型实战.mp4 28_28知识库模型问答测试与实际效果评估.mp4 29_29使用Llamalndex创建知识库实战.mp4 30_30使用Streamlit创建Web应用实战.mp4 30_30使用Streamlit创建Web应用实战_20250315_224845.mp4 31_31程序员大模型学习最佳实践.mp4 32_32实战二什么叫预训练好的大模型.mp4 33_33大模型的局限性及解决方案.mp4 34_34rag外挂私有知识库.mp4 35_35Indexing.mp4 36_36检索和生成.mp4 37_37finetuning微调.mp4 38_38增量训练pretrainging.mp4 39_39functioncalling调用企业.mp4