飞豹客 · 课能看,资料也能带走
飞豹客AI 会员免费

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

单课价¥19.90新品 上架
会员价 会员免费开通会员后本篇可直接下载套餐详情
175 人关注 更新于 2026-08-31 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

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 ›
购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥19.90

会员 A · 按档位折扣

永久免费可下
年免费可下
月免费可下
周免费可下

会员 B

VIP¥3.98低至
SVIP单买¥200 内可领

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

正版保障 极速发货 售后无忧

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