人工精选2025年聚客大模型第三期(聚客第一、第二、第三期)
这套聚客大模型第三期的资料,本质上是把「从写第一行 Python 到能自己调通一个大模型接口」这条路拆开铺平了。它不承诺你学完就能进大厂做大模型算法,但对想转行、或者被要求「用 AI 做点东西」的上班族来说,它解决的是一件很实际的事:你不再只是会打开对话框提问,而是能自己写脚本把模型能力接进日常工作
会员可免费下载本篇月会员、年会员、永久会员可按日额度下载(每篇扣 1 次)。
开通会员 ›会员 A · 按档位折扣
会员 B
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
这套聚客大模型第三期的资料,本质上是把「从写第一行 Python 到能自己调通一个大模型接口」这条路拆开铺平了。它不承诺你学完就能进大厂做大模型算法,但对想转行、或者被要求「用 AI 做点东西」的上班族来说,它解决的是一件很实际的事:你不再只是会打开对话框提问,而是能自己写脚本把模型能力接进日常工作流里。
它解决的是「看得懂、跑不起来」这个卡点
很多人对大模型的了解停留在用现成网页工具,一旦遇到要批量处理文件、要接自己的数据、要反复调用接口,就卡住了。这套内容从 Python 基础起步,把环境安装、编辑器使用、包管理这些最容易被劝退的环节单独拎出来讲,说明它是按「零基础也要能跑通」来设计的。它不假设你之前写过代码,但也不打算把你培养成软件工程师——目标更像是让你具备「能照着文档动手改、能自己排查报错」的能力。如果你已经会 Python,前面的基础部分可以快速跳过,直接看后面跟大模型调用相关的实操环节。
建议先看哪几块,顺序别乱
资料里 Python 基础占了一整块,这不是凑数。字符串处理、文档化、注解这些内容,恰好是后面调用大模型接口时天天要碰的:拼接提示词、处理返回文本、读懂别人写的示例代码,都依赖这些基本功。建议先把环境安装和编辑器配置过一遍,确保本机能把脚本跑起来,再去看字符串和包管理。跳过环境直接看模型部分,大概率会在第一步就报错卡住。如果你时间紧,可以只精学环境配置、字符串、pip 这三块,其余当作查阅手册。
学完能独立做什么,资料怎么配合练
比较现实的预期是:你能自己写一段脚本,把大模型的返回结果读出来、做简单清洗、再存成文件或表格;能看懂常见的接口调用示例,把里面的参数改成自己需要的;遇到报错知道去哪里查。它不会让你独立训练模型,也不涉及复杂的工程部署。练习方式上,别只看视频。每看完一节环境或语法内容,就在自己电脑上重敲一遍;学完字符串和包管理后,找一个你工作里重复性高的文本处理任务,试着用脚本完成。资料里的文档可以当速查表用,遇到具体问题再翻,比从头到尾看一遍更有效。判断这套资料适不适合你,就看一点:你愿不愿意在电脑上真的动手敲代码。愿意,它够用;只想看不想练,任何资料都帮不上忙。
课程目录
课程目录237 集
- 课程介绍 [人工智能]2025年聚客大模型第三期(聚客第一、第二、第三期) 属于AI方向的教程资源,围绕 大模型 相关内容整理。 内容涵盖:00 Python基础、初始Python、Windows环境安装、macOS环境安装、VSCode安装与应用、PyCharn安装与应用 等主题。 适合希望系统学习 大模型 、需要完整资料对照的同学。 下方为完整资料与目录,可先看目录判断是否符合需要。 │ 大神指南.docx
- │ ├─00_Python基础 │ 1-初始Python.mp4
- │ 2-Windows环境安装.mp4
- │ 3-macOS环境安装.mp4
- │ 4-VSCode安装与应用.mp4
- │ 5-PyCharn安装与应用.mp4
- │ 6-pip包管理工具.mp4
- │ 7-Python工程应用-字符串.mp4
- │ 8-Python文档化应用场景.mp4
- │ 9-如何使用注解.mp4
- │ 10-字符编码的处理.mp4
- │ 11-Python程序调式和异常处理技巧.mp4
- │ 12-JSON应用.mp4
- │ 13-文件IO.mp4
- │ 14-爬虫(1).mp4
- │ 15-爬虫(2).mp4
- │ 16-爬虫(3).mp4
- │ 17-爬虫(4).mp4
- │ 18-字符串处理.mp4
- │ 19.dotenv使用.mp4
- │ 20.FastAPI的使用.mp4
- │ ├─01_AI及LLM基础 │ ├─day01_AI领域基础概念 │ │ day1-demo.zip
- │ │ OpenAI-HK 操作指南.pdf
- │ │ OpenAI.apifox.json │ │ 【MD】AI 领域基础概念.md │ │ 【录播】AI 领域基础概念.mp4
- │ │ 【语雀】AI 领域基础概念.txt │ │ 【课件】AI 领域基础概念.pdf
- │ │ 【资料】AI 领域基础概念.pdf
- │ │ │ ├─day02_OpenAI 开发 │ │ day2-demo.zip
- │ │ 【MD】OpenAI 开发.md │ │ 【录播】OpenAI 开发.mp4
- │ │ 【语雀】OpenAI 开发.txt │ │ 【课件】OpenAI 开发.pdf
- │ │ 【资料】OpenAI 开发.pdf
- │ │ │ └─day03_支持多模态输入的 AI Chatbot App │ day3-demo.zip
- │ 【MD】支持多模态输入的 AI Chatbot App.md │ 【录播】支持多模态输入的 AI Chatbot App.mp4
- │ 【语雀】支持多模态输入的 AI Chatbot App.txt │ 【课件】支持多模态输入的 AI Chatbot App.pdf
- │ 【资料】支持多模态输入的 AI Chatbot App.pdf
- │ ├─02_Prompt基础 │ └─day04_Prompt Engineering 提示词工程 │ ChatGPT提示技巧工程完全指南.pdf
- │ DALL-E-3绘图提示词大全.pdf
- │ day4-demo.zip
- │ 【MD】Prompt Engineering 提示词工程.md │ 【录播】Prompt Engineering 提示词工程.mp4
- │ 【语雀】Prompt Engineering 提示词工程.txt │ 【课件】Prompt Engineering 提示词工程.pdf
- │ 【资料】Prompt Engineering 提示词工程.pdf
- │ 实用Prompt指令大全.xlsx │ ├─03_LangChain基础 │ ├─day05_LangChain 基础 │ │ day5-demo.zip
- │ │ 【MD】LangChain 基础.md │ │ 【录播】LangChain 基础.mp4
- │ │ 【语雀】LangChain 基础.txt │ │ 【课件】LangChain 基础.pdf
- │ │ 【资料】LangChain 基础.pdf
- │ │ │ ├─day06_LangChain Chat Model │ │ day6-demo.zip
- │ │ redis-3.2.100_x64.zip
- │ │ RedisDesktopManager-2022.5.zip
- │ │ vs_BuildTools.exe │ │ 【MD】LangChain Chat Model.md │ │ 【录播】LangChain Chat Model.mp4
- │ │ 【语雀】LangChain Chat Model.txt │ │ 【课件】LangChain Chat Model.pdf
- │ │ 【资料】LangChain Chat Model.pdf
- │ │ │ └─day07_LangChain Tools & Agent │ day7-demo.zip
- │ 【MD】LangChain Tools & Agent.md │ 【录播】LangChain Tools & Agent.mp4
- │ 【语雀】LangChain Tools & Agent.txt │ 【课件】LangChain Tools & Agent.pdf
- │ 【资料】LangChain Tools & Agent.pdf
- │ ├─04_Embedding基础 │ └─day08_Embedding 与向量数据库 │ day8-demo.zip
- │ 【MD】Embedding 与向量数据库.md │ 【录播】Embedding 与向量数据库.mp4
- │ 【语雀】Embedding 与向量数据库.txt │ 【课件】Embedding 与向量数据库.pdf
- │ 【资料】Embedding 与向量数据库.pdf
- │ ├─05_Rag基础 │ └─day09_RAG 专题 │ day9-demo.zip
- │ 【MD】RAG 专题.md │ 【录播】RAG 专题.mp4
- │ 【语雀】RAG 专题.txt │ 【课件】RAG 专题.pdf
- │ 【资料】RAG 专题.pdf
- │ ├─06_LangChain进阶 │ └─day10_自定义组件专题 │ day10-demo.zip
- │ 【MD】自定义组件专题.md │ 【录播】自定义组件专题.mp4
- │ 【语雀】自定义组件专题.txt │ 【课件】自定义组件专题.pdf
- │ 【资料】自定义组件专题.pdf
- │ ├─07_langChain和RAG实战 │ └─day11_基于LangChain和RAG的常用案例实战 │ day11-demo.zip
- │ 【MD】基于LangChain和RAG的常用案例实战.md │ 【录播】基于LangChain和RAG的常用案例实战.mp4
- │ 【语雀】基于LangChain和RAG的常用案例实战.txt │ 【课件】基于LangChain和RAG的常用案例实战.pdf
- │ 【资料】基于LangChain和RAG的常用案例实战.pdf
- │ ├─08_LangGraph │ └─day12_LangGraph │ day12-demo.zip
- │ 【MD】LangGraph.md │ 【录播】LangGraph.mp4
- │ 【语雀】LangGraph.txt │ 【课件】LangGraph.pdf
- │ 【资料】LangGraph.pdf
- │ ├─09_Hugging Face │ ├─day_13Hugging Face 核心组件介绍 │ │ demo_13.zip
- │ │ 【录播】Hugging Face 核心组件介绍.mp4
- │ │ 【课件】Hugging Face 核心组件介绍.pdf
- │ │ 【资料】Hugging Face 核心组件介绍.pdf
- │ │ │ ├─day_14Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析) │ │ demo_14.zip
- │ │ 【录播】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).mp4
- │ │ 【课件】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf
- │ │ 【资料】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf
- │ │ │ ├─day_15Hugging Face 模型微调训练(如何处理超长文本训练问题) │ │ model.zip
- │ │ 【录播】Hugging Face 模型微调训练(如何处理超长文本训练问题).mp4
- │ │ 【课件】Hugging Face 模型微调训练(如何处理超长文本训练问题).pdf
- │ │ 【资料】Hugging Face 模型微调训练(如何处理超长文本训练问题).pdf
- │ │ │ └─day_16Hugging Face 模型微调训练(GPT2-中文生成模型定制化微调训练) │ demo_16.zip
- │ gpt2-chinese模型.zip
- │ 【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
- │ 【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
- │ 【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
- │ ├─10_modelScope │ └─day_17ModeScope在线训练平台&服务器选配训练模型 │ demo_17.zip
- │ 【录播】ModeScope在线训练平台&服务器选配训练模型.mp4
- │ 【课件】ModeScope在线训练平台&服务器选配训练模型.pdf
- │ 【资料】ModeScope在线训练平台&服务器选配训练模型.pdf
- │ ├─11_Llama3 │ ├─day_18Llama3大模型本地部署与调用 │ │ demo_18.zip
- │ │ 【录播】Llama3大模型本地部署与调用.mp4
- │ │ 【课件】llama3大模型本地部署与调用.pdf
- │ │ 【资料】Llama3大模型本地部署与调用(1).pdf
- │ │ 【资料】Llama3大模型本地部署与调用.pdf
- │ │ │ ├─day_19LLaMa3微调_使用 LLaMA-Factory微调Llama3 │ │ data.zip
- │ │ demo_19.zip
- │ │ 【录播】LLaMA_Factory微调Llama3.mp4
- │ │ 【课件】LLaMa3微调(使用 LLaMA-Factory 微调 LLaMA3).pdf
- │ │ 【资料】LLaMa3微调(使用 LLaMA-Factory 微调 LLaMA3).pdf
- │ │ │ ├─day_20LLaMa3打包部署教程 (Lora 微调与模型合并) │ │ demo_20.zip
- │ │ 【录播】LLaMa3打包部署教程 (Lora 微调与模型合并).mp4
- │ │ 【课件】LLaMa3打包部署(Lora微调与模型合并部署).pdf
- │ │ 【资料】LLaMa3 打包部署教程 (Lora 微调与模型合并部署).pdf
- │ │ │ ├─day_21LLaMa3打包部署(LLaMA-Factory模型评估与量化) │ │ Lora微调权重(Llama-3-8B-Instruct).zip
- │ │ 【录播】LLaMa3打包部署(LLaMA-Factory模型评估与量化).mp4
- │ │ 【课件】LLaMa3打包部署(LLaMA-Factory模型评估与量化).pdf
- │ │ 【资料】LLaMa3打包部署(LLaMA-Factory模型评估与量化).pdf
- │ │ │ └─day_22LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行) │ Llama-3-8B-Instruct.7z │ 【录播】LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行) -笔记.PanD │ 【录播】LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行).mp4
- │ 【课件】LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行).pdf
- │ 【资料】LLaMa3打包部署(大模型转换为 GGUF 以及使用 ollama 运行).pdf
- │ ├─12_多模态 │ └─day_23多模态(多模态大模型的概念与本地部署调用) │ 【录播】多模态大模型的概念与本地部署调用.mp4
- │ 【课件】多模态(多模态大模型的概念与本地部署调用).pdf
- │ 【资料】多模态(多模态大模型的概念与本地部署调用).pdf
- │ 文生视频效果.mp4
- │ ├─13_llamaindex │ ├─day_24Llama_Index(核心组件介绍) │ │ demo_24.zip
- │ │ llama_index0.8.3.zip
- │ │ 【录播】Llama_Index(核心组件介绍).mp4
- │ │ 【课件】Llama_Index(核心组件介绍).pdf
- │ │ 【资料】Llama_Index(核心组件介绍).pdf
- │ │ │ └─day_25llamaindex实战(使用llamaindex构建自己的知识库) │ demo_25.zip
- │ 【录播】llamaindex实战(使用llamaindex构建自己的知识库).mp4
- │ 【课件】llamaindex实战(使用llamaindex构建自己的知识库).pdf
- │ 【资料】llamaindex实战(使用llamaindex构建自己的知识库).pdf
- │ ├─14_AutoGen Studio │ └─day_26AutoGen Studio调用本地大模型实现多Agent应用 │ 【录播】AutoGen Studio调用本地大模型实现多Agent应用.mp4
- │ 【课件】AutoGen Studio入门使用.pdf
- │ 【资料】AutoGen Studio入门使用.pdf
- │ ├─
- 15 项目实战(聚客一和二期) │ ├─day33_RAG项目实战(使用llamaindex构建自己的知识库) │ │ RAG_项目源码.zip
- │ │ 【录播】RAG项目实战(使用llamaindex构建自己的知识库).mp4
- │ │ 【课件】RAG项目实战(使用llamaindex构建自己的知识库).pdf
- │ │ 【资料】RAG项目实战(使用llamaindex构建自己的知识库).pdf
- │ │ │ ├─day34_视觉项目实战(基于yolo的骨龄识别项目_01) │ │ yolov5-master.zip
- │ │ 【录播】视觉项目实战(基于yolo的骨龄识别项目_01).mp4
- │ │ 【课件】视觉项目实战(基于yolo的骨龄识别项目_01).pdf
- │ │ 【资料】YOLOv5目标侦测教程.pdf
- │ │ │ ├─day35_视觉项目实战(基于yolo的骨龄识别项目_02) │ │ dataset.7z │ │ day31_demo.7z │ │ 【录播】视觉项目实战(基于yolo的骨龄识别项目_02).mp4
- │ │ 【课件】视觉项目实战(基于yolo的骨龄识别项目_02).pdf
- │ │ │ ├─day_27基于本地大模型的在线心理问诊系统(训练篇) │ │ data.zip
- │ │ demo_27.zip
- │ │ 【录播】基于本地大模型的在线心理问诊系统(训练篇01).mp4
- │ │ 【课件】基于本地大模型的在线心理问诊系统(训练篇).pdf
- │ │ 【资料】xtuner微调大模型教程.pdf
- │ │ 项目流程.png │ │ │ ├─day_28基于本地大模型的在线心理问诊系统(训练篇) │ │ │ 【录播】基于本地大模型的在线心理问诊系统(训练篇02).mp4
- │ │ │ │ │ ├─data │ │ │ llama_factory_data.zip
- │ │ │ output_conversations.csv │ │ │ xtuner_data.zip
- │ │ │ │ │ ├─llamafactory数据集转换代码 │ │ │ data_utils.py │ │ │ │ │ ├─xtuner模型训练配置文件 │ │ │ internlm2_5_chat_7b_qlora_oasst1_e3.py │ │ │ qwen1_5_1_8b_chat_qlora_alpaca_e3.py │ │ │ │ │ └─xtuner环境 │ │ requirements.txt │ │ │ ├─day_29基于本地大模型的在线心理问诊系统(部署篇) │ │ 【录播】基于本地大模型的在线心理问诊系统(部署篇).mp4
- │ │ 【课件】基于本地大模型的在线心理问诊系统(部署篇).pdf
- │ │ 【资料】基于本地大模型的在线心理问诊系统(部署篇).pdf
- │ │ 项目模型.7z │ │ │ ├─day_30基于RAG的线上智能客服系统(微调篇) │ │ data.zip
- │ │ demo_30.zip
- │ │ 【录播】基于RAG的线上智能客服系统(微调篇).mp4
- │ │ 【课件】基于RAG的线上智能客服系统(微调篇).pdf
- │ │ 项目背景.png │ │ │ ├─day_31基于RAG的线上智能客服系统(部署篇) │ │ │ demo_31.zip
- │ │ │ 【录播】基于RAG的线上智能客服系统(部署篇).mp4
- │ │ │ 【课件】基于RAG的线上智能客服系统(部署篇).pdf
- │ │ │ 【资料】OpenCompass文档.md │ │ │ │ │ └─lora模型 │ │ Qwen2.5-3B-Instruct-lora.zip
- │ │ │ └─day_32基于pytorch的语音识别与语音唤醒 │ demo_32.zip
- │ 【录播】扩展项目(基于pytorch的语音识别与语音唤醒).mp4
- │ 【课件】扩展项目(基于pytorch实现的语音识别).pdf
- │ 本地存储index的RAG.7z │ 语音应用场景.png │ └─16_项目实战(聚客第三期_最新) ├─1_开班典礼-2412
- 16 │ 2024-12-16 开班典礼.mp4
- │ ├─2_RAG-Embedding-Vector │ ├─day
- 01 │ │ Python语法入门教程.md │ │ RAG-Embeddings.7z │ │ RAG搭建流程和文本向量.mp4
- │ │ │ └─day
- 02 │ RAG-Embeddings.7z │ 向量数据库和RAG高级进阶.mp4
- │ ├─3_LangChain │ LangChain.7z │ LangChain.mp4
- │ ├─day04_Hugging Face 核心组件介绍 │ demo_4.7z │ 【录播】Hugging Face 核心组件介绍.mp4
- │ 【课件】Hugging Face 核心组件介绍.pdf
- │ 【资料】Hugging Face 核心组件介绍.pdf
- │ ├─day05_基于 BERT 的中文评价情感分析 │ demo_5.7z │ 【录播】基于 BERT 的中文评价情感分析.mp4
- │ 【课件】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf
- │ 【资料】Hugging Face 模型微调训练(基于 BERT 的中文评价情感分析).pdf
- │ ├─day06_自定义vocab │ demo_6.7z │ 【录播】自定义vocab.mp4
- │ 【课件】Hugging Face 模型微调训练(自定义vocab).pdf
- │ ├─day07_如何处理超长文本训练问题 │ demo_7.7z │ model.zip
- │ 【录播】如何处理超长文本训练问题.mp4
- │ 【课件】Hugging Face 模型微调训练(如何处理超长文本训练问题).pdf
- │ ├─day08_GPT2-中文生成模型定制化微调训练 │ demo_8.7z │ gpt2-chinese模型.zip
- │ 【录播】GPT2-中文生成模型定制化微调训练.mp4
- │ 【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
- │ ├─day09_远程GPU服务器 │ 1月8日.mp4
- │ 代码与资料.7z │ 未命名文档.PanD │ ├─day10_llama3大模型本地调用 │ demo_10.7z │ 【录播】llama3大模型本地调用.mp4
- │ 【课件】llama3大模型本地调用.pdf
- │ ├─day11_Llama3.2模型微调 │ data.zip
- │ demo_11.7z │ 【录播】llama3.2模型微调.mp4
- │ 【课件】LLaMa3微调(使用 LLaMA-Factory 微调 LLaMA3).pdf
- │ 【资料】LLaMa3微调(使用 LLaMA-Factory 微调 LLaMA3).pdf
- │ ├─day12_Lora模型合并与推理测试 │ checkpoint-800.7z │ data.7z │ 【录播】Lora模型合并与推理测试.mp4
- │ ├─day13_LLaMA-Factory模型导出量化 │ checkpoint-3700.7z │ demo_13.7z │ 【录播】LLaMA-Factory模型导出量化.mp4
- │ 【课件】LLaMa3导出量化(LLaMA-Factory模型导出量化).pdf
- │ 【资料】LLaMa3导出量化(LLaMA-Factory模型导出量化).pdf
- │ ├─day14_LLaMA-Factory模型评估与QLora微调 │ AI技术路线.pdf
- │ 【录播】LLama-Factory模型评估与QLora微调.mp4
- │ 【课件】LLama-Factory模型评估与QLora微调.pdf
- │ 【资料】LLama-Factory模型评估.pdf
- │ ├─day15_Qwen模型打包部署(Lora模型合并&转GGUF模型部署) │ Lora.7z │ 【录播】HF模型转GGUF以及使用ollama部署.mp4
- │ 【课件】Qwen模型打包部署(Lora模型合并&转GGUF模型部署).pdf
- │ 【资料】Qwen模型打包部署(Lora模型合并&转GGUF模型部署).pdf
- │ ├─day16_Qwen模型打包部署(HF转GGUF&ollama+open_webui部署) │ Qwen1___5-1___8B-Chat-merged-q8.gguf │ 【录播】Qwen模型打包部署(HF转GGUF&ollama+open_webui部署).mp4
- │ 【课件】Qwen模型打包部署(Lora模型合并&转GGUF模型部署).pdf
- │ 【资料】Qwen模型打包部署(Lora模型合并&转GGUF模型部署).pdf
- │ ├─day17_Xtuner微调大模型 │ xtuner微调配置文件.7z │ xtuner数据集转换代码.7z │ 【录播】Xtuner微调大模型(QLora与Lora).mp4
- │ 【资料】xtuner微调大模型教程.pdf
- │ ├─day18_LMDeploy部署大模型 │ demo_18.7z │ 【录播】LMDeploy部署大模型.mp4
- │ 【资料】LMDeploy部署大模型.pdf
- │ ├─day19_OpenCompass大模型评估 │ OpenCompassData-core-20240207.7z │ OpenCompassData-core-20240207.zip
- │ ptb.7z │ 【录播】OpenCompass大模型评估.mp4
- │ 【课件】OpenCompass模型评估.pdf
- │ 【资料】OpenCompass模型评估.pdf
- │ ├─day20_llama-index核心组件 │ demo_20.7z │ 【录播】Llama_Index核心组件介绍.mp4
- │ 【课件】Llama_Index(核心组件介绍).pdf
- │ 【资料】Llama_Index(核心组件介绍).pdf
- │ 模型微调与RAG.png │ ├─day21_llama-index入门实操 │ demo_21.zip
- │ 【录播】Llama_index入门实操.mp4
- │ 【课件】Llama_index入门实操.pdf
- │ ├─day22_llama-index实现RAG │ demo_22.7z │ 【录播】llama-index实现RAG.mp4
- │ 【课件】Llama_index实现RAG.pdf
- │ ├─day23_AutoGen_Studio搭建多智能体应用 │ 【录播】AutoGen_Studio搭建多智能体应用.mp4
- │ 【课件】AutoGen_Studio搭建多智能体应用.pdf
- │ 【资料】AutoGen_Studio搭建多智能体应用.pdf
- │ 图像资料.7z │ ├─day24_多模态大模型 │ 【录播】多模态大模型的概念与本地部署调用.mp4
- │ 【课件】多模态(多模态大模型的概念与本地部署调用).pdf
- │ 【资料】多模态(多模态大模型的概念与本地部署调用).pdf
- │ 笔记.7z │ ├─day25_deep-seek与多卡训练 │ 【录播】deep_seek与多卡训练.mp4
- │ 【课件】deepseek与分布式训练.pdf
- │ 课堂笔记.7z │ ├─day26_基于本地大模型的AI试题系统(方案篇) │ AI题库项目分析.png │ 【录播】基于本地大模型的AI试题系统(方案篇).mp4
- │ 数据.7z │ ├─day27_基于本地大模型的AI试题系统(实现篇) │ Lora模型与训练日志.7z │ 【录播】基于本地大模型的AI试题系统(实现篇).mp4
- │ 数据转换代码.7z │ 标注后的数据.7z │ 转换后的训练集与测试集.7z │ ├─day28_基于RAG的法律条文智能助手(方案篇) │ llama_factory对话模板导出.7z │ R1思维链与微调.png │ RAG知识库数据获取.7z │ RAG项目需求.png │ 【录播】基于RAG的法律条文智能助手【方案篇】.mp4
- │ 【课件】基于RAG的法律条文智能助手(方案篇).pdf
- │ 模型微调数据集.7z │ ├─day29_基于RAG的法律条文助手(实现篇) │ 【录播】基于RAG的法律条文智能助手【实现篇】.mp4
- │ 【课件】基于RAG的法律条文智能助手(实现篇).pdf
- │ 项目源码.7z │ └─day30_基于pytorch的语音唤醒系统 【录播】扩展项目(基于pytorch的语音唤醒系统).mp4
- 【课件】扩展项目(基于pytorch实现的语音识别).pdf
- 语音唤醒.png 项目源码.7z





