【资源目录】:
└── 第20期AI大模型应用开发笔记
├── 0 前导课
│ ├── 0 前导课.md (3.52 KB)
│ ├── 0 前导课.mp4 (227.94 MB)
│ └── 开班典礼.pdf (2.52 MB)
├── 1 提示词和RAG
│ ├── coze课程答疑助手资料
│ │ ├── coze知识库
│ │ ├── 微信群问答知识库
│ │ └── 课程视频知识库
│ ├── img
│ │ ├── rag-context-reversal-effect.png (38.13 KB)
│ │ ├── rag-dynamic-verification-effect.png (24.01 KB)
│ │ ├── rag-financial-effect.png (25.42 KB)
│ │ ├── rag-Flowchart.png (1.70 MB)
│ │ ├── rag-indexing-effect.png (37.33 KB)
│ │ └── rag-query-expansion-effect.png (30.39 KB)
│ ├── 企业制度问答助手
│ │ ├── 企业报销制度.docx (12.72 KB)
│ │ ├── 公司假期制度.docx (15.21 KB)
│ │ └── 办公用品申领制度.docx (15.65 KB)
│ ├── 骑手招聘助手
│ │ ├── faq.txt (13.42 KB)
│ │ ├── instructions.txt (3.55 KB)
│ │ └── sites_geocoded.xlsx (21.84 KB)
│ ├── 1 提示词和RAG.md (3.00 B)
│ ├── 1 提示词和RAG：构建大模型的知识与交互基础.mp4 (310.26 MB)
│ ├── RAG.md (21.44 KB)
│ ├── RAG流程图.png (492.34 KB)
│ ├── RAG流程图2.png (240.81 KB)
│ ├── RAG的高级技巧.md (258.00 B)
│ ├── RAG系统架构与流程.pdf (3.84 MB)
│ ├── 提示词.md (4.63 KB)
│ ├── 第1节 提示词和RAG.pdf (759.86 KB)
│ └── 飞书文档.md (82.00 B)
├── 10-LLM微调原理
│ ├── image_svd
│ │ ├── 256.bmp (1.48 MB)
│ │ └── image_svd.py (928.00 B)
│ ├── MovieLens
│ │ ├── ALS.py (14.63 KB)
│ │ ├── ratings_small.csv (2.33 MB)
│ │ └── ratings_small2.csv (2.13 MB)
│ ├── 1-LLM微调原理.pdf (1.29 MB)
│ ├── LLM微调原理.mp4 (417.59 MB)
│ ├── 笔记.md (684.00 B)
│ └── 笔记20260301.txt (7.88 KB)
├── 11-高质量微调数据工程与评估
│ ├── 【数据集】中文医疗数据
│ │ ├── Andriatria_男科
│ │ ├── IM_内科
│ │ ├── OAGD_妇产科
│ │ ├── Oncology_肿瘤科
│ │ ├── Pediatric_儿科
│ │ └── Surgical_外科
│ ├── 1-高质量微调数据工程与评估.pdf (1.15 MB)
│ ├── bleu_evaluation.py (9.35 KB)
│ ├── data_format_converter.py (9.18 KB)
│ ├── data_quality_report.py (15.87 KB)
│ ├── download_model.py (2.73 KB)
│ ├── medical_data_processor.py (11.84 KB)
│ ├── Qwen2_5_(7B)_医疗微调.py (8.52 KB)
│ ├── Qwen3_5_医疗微调.py (16.04 KB)
│ ├── Qwen3_5_医疗微调_CPU.py (7.85 KB)
│ ├── Qwen3_5_医疗微调_GPU.py (11.45 KB)
│ ├── requirements.txt (190.00 B)
│ ├── run_full_pipeline.py (21.30 KB)
│ ├── sft_quick_comparison.py (15.99 KB)
│ ├── sft_quick_comparison_CPU.py (13.87 KB)
│ ├── sft_quick_comparison_GPU.py (14.04 KB)
│ ├── 笔记.md (491.00 B)
│ ├── 笔记20260305.txt (7.14 KB)
│ └── 高质量微调数据工程与评估.mp4 (545.61 MB)
├── 12-LLM模型蒸馏与微调实操
│ ├── images
│ │ ├── 1-vehicle-odometer-reading.jpg (22.40 KB)
│ │ └── 2-vehicle-odometer-reading.jpg (86.14 KB)
│ ├── 【数据集】alpaca-cleaned
│ │ ├── alpaca_data_cleaned.json (42.25 MB)
│ │ ├── gitattributes (2.27 KB)
│ │ └── README.md (11.34 KB)
│ ├── 【数据集】gsm8k
│ │ ├── main
│ │ ├── socratic
│ │ ├── gitattributes (1.57 KB)
│ │ ├── gsm8k.zip (4.89 MB)
│ │ └── README.md (7.75 KB)
│ ├── 1-LLM模型蒸馏与微调实操.pdf (2.05 MB)
│ ├── LLM模型蒸馏与微调实操.mp4 (553.58 MB)
│ ├── model_comparison_eval.py (12.36 KB)
│ ├── qwen-vl-train.xlsx (9.89 KB)
│ ├── Qwen2_5_(7B)_Alpaca.py (6.28 KB)
│ ├── Qwen2_5_(7B)_R1_GRPO.py (7.45 KB)
│ ├── qwen_vl_car_insurance_train.py (7.04 KB)
│ ├── requirements.txt (537.00 B)
│ ├── 笔记.md (514.00 B)
│ └── 笔记20260308.txt (8.65 KB)
├── 13-视觉大模型与多模态理解
│ ├── 13-视觉大模型与多模态理解.zip (1.95 GB)
│ ├── 笔记.md (483.00 B)
│ ├── 笔记20260312.txt (8.13 KB)
│ ├── 视觉大模型与多模态理解.mp4 (516.69 MB)
│ └── 视觉大模型与多模态理解.pdf (7.01 MB)
├── 14-项目实战：AI质检
│ ├── .openclaw
│ │ ├── workspace
│ │ └── openclaw.json (982.00 B)
│ ├── 1-项目实战：AI质检.pdf (3.93 MB)
│ ├── AI质检&OpenClaw.mp4 (591.08 MB)
│ ├── CASE-AI质检.zip (101.43 MB)
│ ├── 笔记.md (866.00 B)
│ └── 笔记20260315.txt (9.79 KB)
├── 15-模型训练与微调相关面试辅导
│ ├── CASE-API使用
│ │ ├── .ipynb_checkpoints
│ │ ├── 1-表格提取-Qwen.ipynb (13.10 KB)
│ │ ├── 1-表格提取-Qwen.py (1.10 KB)
│ │ ├── 2-GUI操作-Qwen.ipynb (5.33 KB)
│ │ ├── 2-GUI操作-Qwen.py (3.85 KB)
│ │ └── 携程页面.png (1.17 MB)
│ ├── 1-模型训练与微调相关面试辅导.pdf (2.06 MB)
│ ├── 模型训练与微调相关面试辅导.mp4 (473.74 MB)
│ ├── 笔记.md (1.23 KB)
│ └── 笔记20260319.txt (7.92 KB)
├── 16-企业级AI部署：从硬件选型到框架选择
│ ├── code
│ │ ├── .ipynb_checkpoints
│ │ ├── 1-qwen3-vllm.ipynb (1.87 KB)
│ │ ├── 1-qwen3-vllm.py (432.00 B)
│ │ ├── 2-outlines使用1.ipynb (1.72 KB)
│ │ ├── 2-outlines使用1.py (532.00 B)
│ │ ├── 3-outlines使用2.ipynb (4.70 KB)
│ │ ├── 3-outlines使用2.py (2.30 KB)
│ │ ├── 4-vllm内置outlines结构化.ipynb (7.63 KB)
│ │ ├── 4-vllm内置outlines结构化.py (4.38 KB)
│ │ ├── 5-function-calling结构化.ipynb (4.19 KB)
│ │ ├── 5-function-calling结构化.py (2.21 KB)
│ │ ├── 6-输出结构结构化.ipynb (2.14 KB)
│ │ ├── 6-输出结构结构化.py (1.15 KB)
│ │ ├── 7-食谱助手.ipynb (3.03 KB)
│ │ ├── 7-食谱助手.py (1.15 KB)
│ │ └── requirements.txt (3.54 KB)
│ ├── 企业级AI部署：从硬件选型到框架选择.mp4 (519.76 MB)
│ ├── 企业级AI部署：从硬件选型到框架选择.pdf (3.67 MB)
│ ├── 笔记.md (554.00 B)
│ └── 笔记20260322.txt (7.01 KB)
├── 17-AI服务核心：高并发原理与性能监控调优
│ ├── code
│ │ ├── 1-启动vLLM服务.sh (2.91 KB)
│ │ ├── 2-基础对话.ipynb (9.35 KB)
│ │ ├── 2-基础对话.py (1.57 KB)
│ │ ├── 3-流式输出与延迟测量.ipynb (13.02 KB)
│ │ ├── 3-流式输出与延迟测量.py (5.07 KB)
│ │ ├── 4-并发压测.ipynb (14.64 KB)
│ │ ├── 4-并发压测.py (6.76 KB)
│ │ ├── 5-性能指标采集.ipynb (18.29 KB)
│ │ ├── 5-性能指标采集.py (11.33 KB)
│ │ └── requirements.txt (3.54 KB)
│ ├── 1-AI服务核心：高并发原理与性能监控调优.mp4 (421.50 MB)
│ ├── 1-AI服务核心：高并发原理与性能监控调优.pdf (4.20 MB)
│ └── 笔记.md (629.00 B)
├── 18-SGLang 深度优化：Radix 缓存与复杂任务的极致吞吐
│ ├── code
│ │ ├── 0-vLLM基线对比.ipynb (13.08 KB)
│ │ ├── 0-vLLM基线对比.py (7.98 KB)
│ │ ├── 1-基础对话.ipynb (2.54 KB)
│ │ ├── 1-基础对话.py (596.00 B)
│ │ ├── 2-流式输出.ipynb (2.28 KB)
│ │ ├── 2-流式输出.py (556.00 B)
│ │ ├── 3-多轮对话.ipynb (6.90 KB)
│ │ ├── 3-多轮对话.py (1002.00 B)
│ │ ├── 4-批量处理任务.ipynb (8.49 KB)
│ │ ├── 4-批量处理任务.py (1.62 KB)
│ │ ├── 5-JSON 约束输出.ipynb (1.85 KB)
│ │ ├── 5-JSON 约束输出.py (835.00 B)
│ │ ├── 6-性能测试.ipynb (3.03 KB)
│ │ ├── 6-性能测试.py (1.62 KB)
│ │ ├── 7-vLLM与SGLang对比.ipynb (11.33 KB)
│ │ ├── 7-vLLM与SGLang对比.py (6.64 KB)
│ │ └── requirements.txt (32.00 B)
│ ├── 3-SGLang 深度优化：Radix 缓存与复杂任务的极致吞吐.pdf (2.67 MB)
│ ├── SGLang 深度优化：Radix 缓存与复杂任务的极致吞吐.mp4 (553.58 MB)
│ ├── 笔记.md (774.00 B)
│ └── 笔记20260329.txt (7.54 KB)
├── 19-Coze工作原理与应用实例
│ ├── CASE：创建产品知识库
│ │ ├── 大模型定价.xlsx (8.75 KB)
│ │ ├── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf (368.62 KB)
│ │ └── 远程办公场景最佳实践.docx (469.57 KB)
│ ├── 1-Coze工作原理与应用实例.pdf (7.64 MB)
│ ├── Coze工作原理与应用实例.mp4 (479.20 MB)
│ ├── 笔记.md (598.00 B)
│ └── 笔记20260402.txt (4.83 KB)
├── 2 Agent
│ ├── img
│ │ ├── agent.png (802.22 KB)
│ │ └── agent1.png (42.36 KB)
│ ├── 2 Agent.md (326.00 B)
│ ├── 2 Agent_20260423_112202.md (556.00 B)
│ ├── 2 Agent：从可控性到自主反思.mp4 (289.98 MB)
│ ├── Agent详解.md (34.42 KB)
│ ├── Agent详解.pdf (4.87 MB)
│ └── 第2节 Agent.pdf (1.79 MB)
├── 20-Dify本地化部署和应用
│ ├── CASE-Coze API使用
│ │ ├── __pycache__
│ │ ├── config.py (408.00 B)
│ │ ├── coze_client.py (9.10 KB)
│ │ └── requirements.txt (36.00 B)
│ ├── CASE-Dify API使用
│ │ ├── __pycache__
│ │ ├── dify_agent_client.py (19.92 KB)
│ │ ├── dify_chat_example.py (1.07 KB)
│ │ ├── dify_workflow_example.py (951.00 B)
│ │ └── requirements.txt (39.00 B)
│ ├── CASE-智能客服ChatFlow
│ │ ├── user_behavior_event.xlsx (9.96 KB)
│ │ ├── user_tag.xlsx (9.19 KB)
│ │ ├── 上海证券交易所交易规则.pdf (378.09 KB)
│ │ ├── 中国平安金裕人生理财产品.doc (61.00 KB)
│ │ ├── 平安财富日添利理财产品.doc (30.00 KB)
│ │ └── 港股交易规则介绍.pdf (954.16 KB)
│ ├── CASE-智能文档分析助手
│ │ └── INTERNVIDEO2.5.pdf (1.84 MB)
│ ├── 1-Dify部署与应用.pdf (4.16 MB)
│ ├── Dify部署与应用.mp4 (483.03 MB)
│ ├── 笔记.md (686.00 B)
│ └── 笔记20260405.txt (8.75 KB)
├── 21-Agent进阶与集成
│ ├── CASE-Coze API使用
│ │ ├── __pycache__
│ │ ├── config.py (538.00 B)
│ │ ├── coze_client.py (14.66 KB)
│ │ └── requirements.txt (36.00 B)
│ ├── CASE-Dify API使用
│ │ ├── __pycache__
│ │ ├── dify_agent_client.py (20.55 KB)
│ │ ├── dify_chat_example.py (2.43 KB)
│ │ ├── dify_workflow_example.py (1.58 KB)
│ │ └── requirements.txt (39.00 B)
│ ├── CASE-客户分层营销助手
│ │ ├── user_behavior_event.xlsx (9.96 KB)
│ │ ├── user_tag.xlsx (9.19 KB)
│ │ └── 营销策略.xlsx (12.64 KB)
│ ├── CASE-市场舆情监测Agent
│ │ ├── AppStorePast-代码1.py (487.00 B)
│ │ ├── AppStorePast.py (1.05 KB)
│ │ ├── securities_past.py (2.58 KB)
│ │ ├── 代码.js (1.22 KB)
│ │ └── 代码1.py (350.00 B)
│ ├── CASE-智能客服Agent
│ │ ├── user_complain.xlsx (8.92 KB)
│ │ ├── 上海证券交易所交易规则.pdf (378.09 KB)
│ │ ├── 中国平安金裕人生理财产品.doc (61.00 KB)
│ │ ├── 平安财富日添利理财产品.doc (30.00 KB)
│ │ └── 港股交易规则介绍.pdf (954.16 KB)
│ ├── ABC公司证券产品介绍.txt (6.66 KB)
│ ├── Agent进阶与集成.mp4 (517.46 MB)
│ ├── Agent进阶与集成.pdf (6.72 MB)
│ ├── Workflow-AppStoreEstimate-draft-4824.zip (5.60 KB)
│ ├── Workflow-GenerateDailyReports-draft-4867.zip (4.26 KB)
│ ├── Workflow-Securities-draft-5188.zip (6.45 KB)
│ ├── 笔记.md (481.00 B)
│ └── 笔记20260409.txt (9.71 KB)
├── 22-智能编码革命：AI 辅助编程
│ ├── 1-AI编程.pdf (4.09 MB)
│ ├── 智能编码革命：AI 辅助编程.mp4 (523.64 MB)
│ ├── 笔记.md (501.00 B)
│ ├── 笔记20260412.txt (19.50 KB)
│ └── 训练数据.zip (10.25 MB)
├── 23-AI 赋能的智能测试与质量保障
│ ├── stock-research
│ │ ├── .deepeval
│ │ ├── .github
│ │ ├── .pytest_cache
│ │ ├── linters
│ │ ├── ralph_output
│ │ ├── spec
│ │ ├── src
│ │ ├── tests
│ │ ├── AGENTS.md (1.63 KB)
│ │ ├── PROMPT.md (449.00 B)
│ │ ├── pyproject.toml (498.00 B)
│ │ ├── ralph_demo.py (12.71 KB)
│ │ └── requirements.txt (75.00 B)
│ ├── 1-AI赋能的智能测试与质量保障.pdf (1018.11 KB)
│ ├── AI赋能的智能测试与质量保障.mp4 (426.10 MB)
│ ├── 笔记.md (737.00 B)
│ └── 笔记20260416.txt (7.33 KB)
├── 24-从Text-to-SQL到数据智能
│ ├── 1-从Text-to-SQL到数据智能.pdf (3.31 MB)
│ ├── Case-SQL-LangChain.zip (75.92 MB)
│ ├── 从Text-to-SQL到数据智能.mp4 (457.00 MB)
│ ├── 笔记.md (537.00 B)
│ └── 笔记20260419.txt (6.55 KB)
├── 25-项目实战：ChatBI开发实战
│ ├── 1-项目实战：ChatBI开发实战.pdf (9.21 MB)
│ ├── 2-nanobot使用.pdf (941.37 KB)
│ ├── 实战资料.zip (49.73 MB)
│ ├── 笔记.md (472.00 B)
│ ├── 笔记20260420.txt (8.88 KB)
│ └── 项目实战：ChatBI开发实战.mp4 (660.69 MB)
├── 26-部署及提效相关面试辅导
│ ├── 代码.zip (49.72 MB)
│ ├── 笔记.md (1.04 KB)
│ ├── 笔记20260427.txt (7.40 KB)
│ ├── 部署及提效相关面试辅导.mp4 (455.33 MB)
│ └── 部署及提效相关面试辅导.pdf (992.78 KB)
├── 27-Embeddings和向量数据库
│ ├── 1-Embedding与向量数据库.pdf (1.60 MB)
│ ├── Embedding与向量数据库.mp4 (421.99 MB)
│ ├── 代码.zip (9.94 MB)
│ ├── 笔记.md (779.00 B)
│ └── 笔记20260504.txt (10.31 KB)
├── 28-RAG技术与应用
│ ├── 1-RAG技术与应用.pdf (2.17 MB)
│ ├── CASE-embedding使用.zip (382.92 KB)
│ ├── RAG技术与应用.mp4 (460.50 MB)
│ ├── 笔记.md (706.00 B)
│ └── 笔记20260507.txt (8.33 KB)
├── 29-RAG多模态数据处理
│ ├── 1-RAG多模态数据处理.pdf (3.06 MB)
│ ├── 2-NotebookLM使用.pdf (1.68 MB)
│ ├── RAG多模态数据处理.mp4 (528.21 MB)
│ ├── 代码.zip (74.23 MB)
│ ├── 笔记.md (534.00 B)
│ └── 笔记20260511.txt (10.42 KB)
├── 3 多模态及AI名词解释
│ ├── 3 AI名词及低代码使用讲解.md (10.04 KB)
│ ├── 3 多模态前沿：从Agent构建到视频AIGC.mp4 (240.43 MB)
│ ├── AI名词及低代码使用讲解.mp4 (335.58 MB)
│ └── 第3节 多模态.pdf (11.63 MB)
├── 30-RAG高级技术与调优
│ ├── 1-RAG高级技术与调优.pdf (4.17 MB)
│ ├── RAG高级技术与调优.mp4 (548.21 MB)
│ ├── 代码.zip (2.75 GB)
│ ├── 笔记.md (692.00 B)
│ └── 笔记20260514.txt (11.13 KB)
├── 31-项目实战：企业知识库
│ ├── 1-项目实战：企业知识库.pdf (2.82 MB)
│ ├── 代码.zip (70.93 MB)
│ ├── 笔记.md (1.02 KB)
│ ├── 笔记20260518.txt (26.21 KB)
│ └── 项目实战：企业知识库.mp4 (683.37 MB)
├── 32-部分场景中可以取代RAG的技术
│ ├── Agentic Search Qwen.zip (882.08 KB)
│ ├── 可能替代RAG的技术(5).pdf (2.32 MB)
│ ├── 笔记.md (592.00 B)
│ └── 部分场景中可以取代RAG的技术.mp4 (432.71 MB)
├── 33 LLM Wiki
│ ├── LLM Wiki.mp4 (639.61 MB)
│ ├── 代码.zip (3.76 MB)
│ └── 笔记.md (613.00 B)
├── 34 RAG相关面试辅导
│ ├── 1-RAG相关面试辅导.pdf (1.83 MB)
│ ├── RAG相关面试辅导.mp4 (277.87 MB)
│ ├── 笔记.md (962.00 B)
│ └── 笔记20260528.txt (7.34 KB)
├── 35 大厂优秀工程师使用AI coding的最新方法与经验
│ ├── 大厂优秀工程师使用AI coding的最新方法与经验.mp4 (433.24 MB)
│ ├── 用 SDD + TDD 驯服 AI：让代码既能「写得快」也能「信得过」 – Windows.zip (512.55 KB)
│ └── 笔记.md (1.14 KB)
├── 36 大型软件项目的AI开发与AI重构
│ ├── 大型软件项目的AI开发与AI重构.mp4 (429.16 MB)
│ ├── 大项目里的 AI：用特征测试做安全重构，用 GitHub 打通协作管线 – Windows.zip (2.15 MB)
│ └── 笔记.md (486.00 B)
├── 37 AI Coding 中的团队重新分工与新协作模式
│ ├── AI Coding 中的团队重新分工与新协作模式
│ │ ├── assets
│ │ ├── AI Coding 中的团队重新分工与新协作模式.ipynb (45.92 KB)
│ │ ├── AI Coding 中的团队重新分工与新协作模式.md (39.06 KB)
│ │ ├── AI Coding 中的团队重新分工与新协作模式.pdf (1.82 MB)
│ │ └── README.md (1.41 KB)
│ ├── AI Coding 中的团队重新分工与新协作模式.mp4 (376.36 MB)
│ └── 笔记.md (965.00 B)
├── 38 在华为昇腾显卡上部署DeepSeek V4 模型 并连通本地Claude Code
│ ├── claude-code-hooks.md.pdf (216.80 KB)
│ ├── DeepSeekV4-昇腾部署与ClaudeCode.pdf (2.72 MB)
│ ├── 在华为昇腾显卡上部署DeepSeek V4 模型 并连通本地Claude Code.mp4 (335.53 MB)
│ ├── 昇腾部署deepseek-v4.pdf (773.09 KB)
│ └── 笔记.md (624.00 B)
├── 39 Function Calling与MCP
│ ├── CASE-Function Calling
│ │ ├── image_show_20260614_112638_20260616_183304
│ │ ├── workspace
│ │ ├── assistant_ticket_bot-1.py (6.33 KB)
│ │ ├── assistant_ticket_bot-2.py (8.95 KB)
│ │ ├── assistant_ticket_bot-3.py (10.51 KB)
│ │ ├── assistant_ticket_bot_logic.html (11.68 KB)
│ │ └── requirements.txt (149.00 B)
│ ├── CASE-MCP
│ │ ├── __pycache__
│ │ ├── workspace
│ │ ├── assistant_mcp_amap_bot.py (3.82 KB)
│ │ ├── assistant_mcp_tavily_bot.py (3.75 KB)
│ │ ├── assistant_mcp_txt_bot.py (6.21 KB)
│ │ ├── requirements.txt (51.00 B)
│ │ ├── txt_counter.py (2.32 KB)
│ │ └── 旅行规划.md (4.60 KB)
│ ├── Function Calling与MCP.mp4 (519.70 MB)
│ ├── Function Calling与MCP.pdf (4.31 MB)
│ ├── 笔记.md (539.00 B)
│ └── 笔记20260615.txt (8.48 KB)
├── 4-LangChain：多任务应用开发
│ ├── CASE-LangChain使用
│ │ ├── .ipynb_checkpoints
│ │ ├── 1-LLMChain.ipynb (5.63 KB)
│ │ ├── 1-LLMChain.py (824.00 B)
│ │ ├── 1-LLMChain_20260205_223819.ipynb (6.82 KB)
│ │ ├── 2-LLMChain.ipynb (2.23 KB)
│ │ ├── 2-LLMChain.py (720.00 B)
│ │ ├── 2-LLMChain_20260205_223819.ipynb (4.60 KB)
│ │ ├── 3-LLMChain.ipynb (2.38 KB)
│ │ ├── 3-LLMChain.py (1.30 KB)
│ │ ├── 4-ConversationChain.ipynb (2.94 KB)
│ │ ├── 4-ConversationChain.py (1.42 KB)
│ │ ├── 5-product_llm.py (2.95 KB)
│ │ └── requirements.txt (63.00 B)
│ ├── CASE-工具链组合
│ │ ├── 1-simple_toolchain.py (6.66 KB)
│ │ ├── 2-simple_toolchain.py (9.91 KB)
│ │ ├── 3-lcel-demo.py (1.22 KB)
│ │ └── requirements.txt (86.00 B)
│ ├── CASE-搭建故障诊断Agent
│ │ ├── 2-network_diagnosis_agent.py (8.40 KB)
│ │ └── requirements.txt (63.00 B)
│ ├── 1-LangChain：多任务应用开发.pdf (3.01 MB)
│ ├── CASE-工具链组合.zip (53.36 MB)
│ ├── LangChain：多任务应用开发.mp4 (375.27 MB)
│ ├── 笔记.md (1.60 KB)
│ ├── 笔记20260128.txt (10.87 KB)
│ └── 笔记_20260205_223820.md (1.72 KB)
├── 40 Agent的自主规划与工具开发
│ ├── 1-Agent的自主规划与工具开发.pdf (2.83 MB)
│ ├── Agent的自主规划与工具开发.mp4 (515.17 MB)
│ ├── CASE-投顾AI助手（混合式）.zip (30.25 KB)
│ ├── 笔记.md (614.00 B)
│ └── 笔记20260618.txt (6.18 KB)
├── 41 Agent的能力优化与效果评估
│ ├── CASE-langfuse使用
│ │ ├── 1-hybrid_wealth_advisor_langgraph_langsmith.py (25.30 KB)
│ │ ├── 1-hybrid_wealth_advisor_qwen_agent.py (12.99 KB)
│ │ ├── 1-hybrid_wealth_advisor_qwen_agent_langfuse.py (26.19 KB)
│ │ ├── assistant_ticket_bot-3.py (9.80 KB)
│ │ └── requirements.txt (251.00 B)
│ ├── CASE-openevals使用
│ │ ├── 1-correctness.py (5.64 KB)
│ │ ├── 1-hybrid_wealth_advisor_langgraph_langsmith.py (25.30 KB)
│ │ ├── 10-code_correctness_with_reference.py (2.36 KB)
│ │ ├── 11-plan_adherence.py (2.29 KB)
│ │ ├── 12-openevals_evaluators.py (16.12 KB)
│ │ ├── 2-conciseness.py (1.90 KB)
│ │ ├── 2-langsmith_testing_evaluation.py (22.56 KB)
│ │ ├── 3-answer_relevance.py (1.82 KB)
│ │ ├── 4-rag_helpfulness.py (1.97 KB)
│ │ ├── 5-rag_groundedness.py (2.01 KB)
│ │ ├── 6-rag_retrieval_relevance.py (2.00 KB)
│ │ ├── 7-toxicity.py (1.98 KB)
│ │ ├── 8-hallucination.py (2.43 KB)
│ │ ├── 9-code_correctness.py (1.96 KB)
│ │ └── requirements.txt (141.00 B)
│ ├── CASE-投顾AI助手（效果评估）
│ │ ├── 1-hybrid_wealth_advisor_langgraph_langsmith.py (25.30 KB)
│ │ ├── 2-langsmith_testing_evaluation.py (22.56 KB)
│ │ ├── 3-run_langsmith_evaluation_example.py (4.19 KB)
│ │ ├── deepeval_wealth_advisor.py (9.21 KB)
│ │ └── requirements.txt (123.00 B)
│ ├── 1-Agent的能力优化与效果评估.pdf (3.66 MB)
│ ├── Agent的能力优化与效果评估.mp4 (464.56 MB)
│ ├── 笔记.md (525.00 B)
│ └── 笔记20260622.txt (8.86 KB)
├── 42 OpenManus开发实战
│ ├── 1-OpenManus开发实战.pdf (12.22 MB)
│ ├── 42 OpenManus开发实战.mp4 (804.88 MB)
│ ├── 代码.zip (184.77 MB)
│ ├── 笔记.md (648.00 B)
│ └── 笔记20260625.txt (22.53 KB)
├── 43 最强模型Fable5 – Harness架构下的模型训练范式大变革
│ ├── 最强模型Fable5 – Harness架构下的模型训练范式大变革.mp4 (334.44 MB)
│ └── 笔记.md (486.00 B)
├── 44 Harness Engineering
│ ├── assets
│ │ ├── 01_evolution.svg (6.43 KB)
│ │ ├── 02_anthropic_case.svg (6.24 KB)
│ │ ├── 03_definition_spectrum.svg (4.96 KB)
│ │ ├── 04_concentric.svg (5.20 KB)
│ │ ├── 05_four_questions.svg (4.38 KB)
│ │ ├── 06_lifecycle.svg (6.44 KB)
│ │ ├── 07_module_map.svg (5.65 KB)
│ │ ├── 08_layers.svg (4.82 KB)
│ │ └── 09_thickness.svg (3.66 KB)
│ ├── Harness_Engineering_概念导论_files
│ │ ├── 01_evolution.svg (6.43 KB)
│ │ ├── 02_anthropic_case.svg (6.24 KB)
│ │ ├── 03_definition_spectrum.svg (4.96 KB)
│ │ ├── 04_concentric.svg (5.20 KB)
│ │ ├── 05_four_questions.svg (4.38 KB)
│ │ ├── 06_lifecycle.svg (6.44 KB)
│ │ ├── 07_module_map.svg (5.65 KB)
│ │ ├── 08_layers.svg (4.82 KB)
│ │ └── 09_thickness.svg (3.66 KB)
│ ├── 0.png (451.29 KB)
│ ├── 1.png (381.20 KB)
│ ├── 2ae5fffb672d232bb206cf0dae2a3476.png (134.42 KB)
│ ├── 3.png (137.45 KB)
│ ├── 4.png (165.73 KB)
│ ├── 6.png (352.79 KB)
│ ├── Harness Engineering.mp4 (272.03 MB)
│ ├── Harness_Engineering_概念导论.ipynb (104.08 KB)
│ ├── Harness_Engineering_概念导论.md (34.13 KB)
│ ├── Harness_Engineering_概念导论.pdf (2.27 MB)
│ └── 笔记.md (1.34 KB)
├── 45 搭建类似Hermes Agent的自进化长期记忆
│ ├── assets
│ │ ├── 01_rag_vs_memory.svg (4.57 KB)
│ │ ├── 02_memory_tiers.svg (4.26 KB)
│ │ ├── 03_heartbeat_pipeline.svg (4.54 KB)
│ │ ├── 04_hybrid_retrieval.svg (3.74 KB)
│ │ └── 05_recall_flow.svg (4.10 KB)
│ ├── extensions
│ │ └── chromadb_hybrid_retrieval.py (6.50 KB)
│ ├── materials
│ │ ├── current_process_event.json (343.00 B)
│ │ ├── current_session_process_memory.json (569.00 B)
│ │ └── simulated_long_conversation.jsonl (8.57 KB)
│ ├── scripts
│ │ ├── 08_integrated_workspace_case
│ │ ├── 01_compress_session_memory.py (4.04 KB)
│ │ ├── 01_raw_only_context.py (2.62 KB)
│ │ ├── 02_collect_raw.py (1.64 KB)
│ │ ├── 02_promote_long_term_memory.py (3.37 KB)
│ │ ├── 03_extract_consolidated.py (8.14 KB)
│ │ ├── 03_recall_new_session.py (4.47 KB)
│ │ ├── 04_promote_semantic.py (9.74 KB)
│ │ ├── 04_recall_process_memory.py (3.41 KB)
│ │ ├── 04_recall_process_memory.py.bak (3.82 KB)
│ │ ├── 05_build_working_memory.py (3.20 KB)
│ │ ├── 05_extract_capability_memory.py (3.10 KB)
│ │ ├── 06_heartbeat_trigger.py (4.96 KB)
│ │ ├── 07_file_recall.py (1.43 KB)
│ │ └── README.md (966.00 B)
│ ├── .env.example (86.00 B)
│ ├── demo.py (1.85 KB)
│ ├── image-1.png (769.41 KB)
│ ├── image-2.png (546.29 KB)
│ ├── image-3.png (735.33 KB)
│ ├── image-4.png (351.80 KB)
│ ├── image-5.png (575.58 KB)
│ ├── image-6.png (110.97 KB)
│ ├── image-7.png (213.86 KB)
│ ├── image-8.png (551.43 KB)
│ ├── image-9.png (280.58 KB)
│ ├── image.png (237.23 KB)
│ ├── 搭建类似Hermes Agent的自进化长期记忆.ipynb (45.26 KB)
│ ├── 搭建类似Hermes Agent的自进化长期记忆.md (35.79 KB)
│ ├── 搭建类似Hermes Agent的自进化长期记忆.mp4 (277.51 MB)
│ ├── 搭建类似Hermes Agent的自进化长期记忆.pdf (2.12 MB)
│ ├── 无标题-2025-10-03-1947.excalidraw (375.06 KB)
│ ├── 无标题-2025-10-03-1947.png (3.66 MB)
│ └── 笔记.md (1.23 KB)
├── 46 实现Hermes中的多Agent协作、主Agent调度
│ ├── assets
│ │ ├── 01_master_worker_architecture.svg (3.33 KB)
│ │ ├── 02_business_flow.svg (2.96 KB)
│ │ ├── 03_acp_multi_turn.svg (2.76 KB)
│ │ ├── 04_board_loop.svg (3.88 KB)
│ │ ├── 05_project_brief_scope.svg (2.54 KB)
│ │ ├── 06_data_contracts_code_view.svg (2.44 KB)
│ │ ├── 07_board_planning_pipeline.svg (2.50 KB)
│ │ ├── 08_private_task_package.svg (2.48 KB)
│ │ └── 09_acp_local_codex_minimal.svg (3.18 KB)
│ ├── materials
│ │ └── product_goal.txt (1.13 KB)
│ ├── scripts
│ │ ├── 01_plan_board.py (9.69 KB)
│ │ ├── 02_worker_acp_smoke.py (7.99 KB)
│ │ ├── 03_context_isolation.py (13.98 KB)
│ │ ├── 04_triggerflow_master_loop.py (31.75 KB)
│ │ └── 05_hangzhou_team_building_run.py (3.12 KB)
│ ├── .env.example (122.00 B)
│ ├── 主Agent调度与多Agent协作.ipynb (87.54 KB)
│ ├── 主Agent调度与多Agent协作.md (67.56 KB)
│ ├── 主Agent调度与多Agent协作.pdf (1.71 MB)
│ ├── 实现Hermes中的多Agent协作、主Agent调度.mp4 (318.73 MB)
│ └── 笔记.md (1.21 KB)
├── 47 Agent相关面试辅导
│ ├── CASE-LangGraph_Agent_Manus
│ │ └── langgraph_agent_manus.py (11.31 KB)
│ ├── Agent相关面试辅导.mp4 (277.89 MB)
│ ├── Agent相关面试辅导.pdf (904.39 KB)
│ ├── 笔记.md (943.00 B)
│ └── 笔记20260709.txt (5.02 KB)
├── 48 Loop Engineering：由目标驱动的复杂智能体实现原理分析
│ ├── Loop Engineering：由目标驱动的复杂智能体实现原理分析.mp4 (258.27 MB)
│ └── 笔记.md (635.00 B)
├── 5-AI框架设计与选型
│ ├── CASE-多文件智能问答Agent
│ │ ├── docs
│ │ ├── langchain-agent-multi-files.py (4.53 KB)
│ │ ├── llamaindex-agent-multi-files.py (4.70 KB)
│ │ ├── qwen-agent-multi-files.py (6.23 KB)
│ │ └── requirements.txt (161.00 B)
│ ├── AI框架设计与选型.mp4 (324.52 MB)
│ ├── AI框架设计与选型.pdf (1.53 MB)
│ └── 笔记.md (589.00 B)
├── 6-HuggingFace生态实战：从模型应用到高效微调
│ ├── CASE-huggingface_cases
│ │ ├── 1-情感分析.ipynb (6.01 KB)
│ │ ├── 1-情感分析.py (975.00 B)
│ │ ├── 2-文本生成.ipynb (3.84 KB)
│ │ ├── 2-文本生成.py (551.00 B)
│ │ ├── 3-零样本分类.ipynb (6.18 KB)
│ │ ├── 3-零样本分类.py (914.00 B)
│ │ ├── 4-tokenizer使用.ipynb (3.40 KB)
│ │ ├── 4-tokenizer使用.py (885.00 B)
│ │ ├── 5-model使用.ipynb (9.06 KB)
│ │ ├── 5-model使用.py (687.00 B)
│ │ ├── 6-实现pipeline.ipynb (4.79 KB)
│ │ ├── 6-实现pipeline.py (1.42 KB)
│ │ ├── 7-垃圾邮件分类器.ipynb (13.89 KB)
│ │ ├── 7-垃圾邮件分类器.py (3.40 KB)
│ │ ├── 8-垃圾邮件分类器-Qwen.ipynb (20.32 KB)
│ │ ├── 8-垃圾邮件分类器-Qwen.py (7.55 KB)
│ │ └── requirements.txt (122.00 B)
│ ├── HuggingFace生态实战：从模型应用到高效微调.pdf (659.76 KB)
│ └── 笔记.md (547.00 B)
├── 7-神经网络基础与Tensorflow实战
│ ├── code
│ │ ├── activation_function
│ │ ├── housing(1).csv (47.93 KB)
│ │ ├── housing.csv (47.93 KB)
│ │ ├── numpy_boston(1).py (2.28 KB)
│ │ ├── numpy_boston.py (2.28 KB)
│ │ ├── numpy_forward(1).py (1.18 KB)
│ │ ├── numpy_forward.py (1.18 KB)
│ │ ├── numpy_model(1).py (2.38 KB)
│ │ ├── numpy_model.py (2.38 KB)
│ │ ├── pytorch_boston(1).py (2.02 KB)
│ │ ├── pytorch_boston.py (2.02 KB)
│ │ ├── requirements(1).txt (130.00 B)
│ │ ├── requirements.txt (130.00 B)
│ │ ├── tensorflow_boston(1).py (1.69 KB)
│ │ ├── tensorflow_boston.py (1.69 KB)
│ │ ├── tensorflow_boston_dataparallel(1).py (1.89 KB)
│ │ └── tensorflow_boston_dataparallel.py (1.89 KB)
│ ├── 1-神经网络基础与Tensorflow实战.pdf (1.73 MB)
│ ├── 二手车价格预测.pdf (246.99 KB)
│ ├── 神经网络基础与Tensorflow实战.mp4 (493.05 MB)
│ ├── 笔记.md (593.00 B)
│ └── 笔记20260208.txt (5.54 KB)
├── 8-Pytorch与视觉检测
│ ├── CASE-Boston房价预测
│ │ ├── boston_prediction.py (4.37 KB)
│ │ ├── housing.csv (47.93 KB)
│ │ └── loss_curve.png (72.44 KB)
│ ├── CNN_cases
│ │ ├── cnn_feature_map_demo.ipynb (1.86 KB)
│ │ ├── cnn_feature_map_demo.py (713.00 B)
│ │ ├── cnn_viz.ipynb (1.41 MB)
│ │ ├── cnn_viz.py (3.33 KB)
│ │ └── gugong.jpg (35.72 KB)
│ ├── yolo-cases
│ │ ├── CASE-图像标注
│ │ ├── runs
│ │ ├── steel_data
│ │ ├── 000000000139.jpg (158.02 KB)
│ │ ├── 1-yolo-predict.ipynb (639.02 KB)
│ │ ├── 1-yolo-predict.py (375.00 B)
│ │ ├── 2-yolo-train.ipynb (1.28 MB)
│ │ ├── 2-yolo-train.py (1.07 KB)
│ │ ├── 3-yolo-steel.ipynb (104.09 KB)
│ │ ├── 3-yolo-steel.py (1.73 KB)
│ │ ├── 4-yolo-steel-predict.ipynb (103.03 KB)
│ │ ├── 4-yolo-steel-predict.py (3.10 KB)
│ │ ├── coco-2.yaml (2.69 KB)
│ │ ├── coco.yaml (2.72 KB)
│ │ ├── convert_annotations.py (4.61 KB)
│ │ ├── submission.csv (33.79 KB)
│ │ ├── yolov12.yaml (1.92 KB)
│ │ └── yolov12n.pt (5.26 MB)
│ ├── 1-Pytorch与视觉检测.pdf (5.31 MB)
│ ├── Pytorch与视觉检测.mp4 (456.01 MB)
│ ├── 笔记.md (758.00 B)
│ └── 笔记20260212.txt (3.49 KB)
├── 9-开发框架相关面试辅导
│ ├── CASE-多文件智能问答Agent
│ │ ├── combined_storage
│ │ ├── docs
│ │ ├── reports
│ │ ├── storage
│ │ ├── langchain-agent-multi-files.py (4.53 KB)
│ │ ├── langchain-llamaindex-combined.py (9.23 KB)
│ │ ├── llamaindex-agent-multi-files.py (5.16 KB)
│ │ ├── qwen-agent-multi-files.py (6.23 KB)
│ │ └── requirements.txt (139.00 B)
│ ├── 开发框架相关面试辅导.mp4 (537.43 MB)
│ ├── 开发框架相关面试辅导.pdf (1.94 MB)
│ ├── 笔记.md (1.28 KB)
│ └── 笔记20260226.txt (5.65 KB)
├── AutoGPT
│ ├── 1.xlsx (13.86 KB)
│ ├── 2.xlsx (13.84 KB)
│ ├── 3.pdf (131.77 KB)
│ └── autogpt代码版本.zip (677.06 KB)
├── demo实战
│ ├── 1 文件自动处理AutoGPT.mp4 (303.70 MB)
│ ├── 10 电商行业核心demo实战1 – 电商评论区互动助手.mp4 (129.56 MB)
│ ├── 11 泛娱乐内容行业核心demo实战1 – AI生成视频工作流.mp4 (64.95 MB)
│ ├── 2 AI助手：支小助.mp4 (284.56 MB)
│ ├── 3 教育行业核心demo实战1 – 拍照搜知识点视频.mp4 (62.05 MB)
│ ├── 4 教育行业核心demo实战2 – 自动化出题与智能组卷.mp4 (142.64 MB)
│ ├── 5 教育行业核心demo实战3 – 知识点掌握程度检验.mp4 (61.29 MB)
│ ├── 6 财务部门核心demo实战1 – AI 识别财务表格的数字.mp4 (218.53 MB)
│ ├── 7 财务部门核心demo实战2 – AI 财务表格准确率的提升.mp4 (214.89 MB)
│ ├── 8 人力资源部门核心demo实战1 – 数字人培训视频.mp4 (121.88 MB)
│ └── 9 人力资源部门核心demo实战2 – AI培训对练.mp4 (62.96 MB)
├── img
│ ├── image.png (939.04 KB)
│ └── image1.png (173.94 KB)
├── RAG+Agent
│ ├── 1 Embeddings和向量数据库
│ │ ├── 1 Embeddings和向量数据库.mp4 (233.13 MB)
│ │ └── 1 Embeddings和向量数据库.zip (11.38 MB)
│ ├── 2 RAG技术与应用
│ │ ├── 2 RAG技术与应用.mp4 (268.79 MB)
│ │ └── 2 RAG技术与应用.zip (2.36 MB)
│ ├── 3 RAG多模态数据处理
│ │ ├── 3 RAG多模态数据处理.mp4 (251.56 MB)
│ │ └── 3 RAG多模态数据处理.zip (78.54 MB)
│ ├── 4 RAG高级技术与调优
│ │ ├── 4 RAG调优.mp4 (305.93 MB)
│ │ └── 4 RAG高级技术与调优.zip (4.34 MB)
│ ├── 5 Function Calling与MCP
│ │ ├── 5 Function Calling与MCP.mp4 (278.05 MB)
│ │ └── 5 Function Calling与MCP.zip (3.94 MB)
│ ├── 6 Agent的自主规划与工具开发
│ │ ├── 6 Agent的自主规划与工具开发.mp4 (278.46 MB)
│ │ └── 6 Agent的自主规划与工具开发.zip (2.65 MB)
│ ├── 7 Agent的能力优化与效果评估
│ │ ├── 7 Agent的能力优化与效果评估.mp4 (276.55 MB)
│ │ └── 7 Agent的能力优化与效果评估.zip (2.29 MB)
│ ├── 8 构建Agent的数据决策能力
│ │ ├── 8 构建Agent的数据决策能力.mp4 (257.90 MB)
│ │ └── 8 构建Agent的数据决策能力.zip (201.80 MB)
│ └── 9 构建Agent的搜索、感知与记忆能力
│ ├── 9 构建Agent的搜索、感知与记忆能力.mp4 (292.27 MB)
│ └── 9 构建Agent的搜索、感知与记忆能力.zip (18.02 MB)
├── 大模型原理精讲先导课
│ ├── 1 预训练+微调的训练范式 开源生态和OpenAI的差异详解.md (1.48 KB)
│ ├── 1 预训练+微调的训练范式 开源生态和OpenAI的差异详解.mp4 (215.08 MB)
│ ├── 10 DeepSeek 性价比之王背后的极致压缩技术 MLA.mp4 (186.44 MB)
│ ├── 11 MoE 架构在 Scaling Law 之后继续提升大模型能力.mp4 (232.13 MB)
│ ├── 12 超级引擎：英伟达GPU与CUDA相关的必备知识点.mp4 (215.00 MB)
│ ├── 13 推理模型是如何训练出来的 – DeepSeek R1 与 V3.mp4 (248.39 MB)
│ ├── 14 如何训练自动操作电脑和手机的Agent – 智谱AutoGLM.mp4 (249.04 MB)
│ ├── 15 文件自动处理AutoGPT.mp4 (303.70 MB)
│ ├── 16 支小助.mp4 (284.56 MB)
│ ├── 17 教育行业核心demo实战1-拍照搜知识点视频.mp4 (62.05 MB)
│ ├── 18 教育行业核心demo实战2-自动化出题与智能组卷.mp4 (142.64 MB)
│ ├── 19 教育行业核心demo实战3-知识点学握程度检验.mp4 (61.29 MB)
│ ├── 2 探索神经网络的奥秘.mp4 (242.99 MB)
│ ├── 20 财务部门核心demo实战1-AI识别财务表格的数字.mp4 (218.53 MB)
│ ├── 21 财务部门核心demo实战2-AI财务表格准确率的提升.mp4 (214.89 MB)
│ ├── 22 人力资源部门核心demo实战1-数字人培训视频.mp4 (121.88 MB)
│ ├── 23 人力资源部门核心demo实战2-AI培训对练.mp4 (62.96 MB)
│ ├── 24 电商行业核心demo实战1-电商评论区互动助手.mp4 (129.56 MB)
│ ├── 25 泛娱乐内容行业核心demo实战1-AI生成视频工作流.mp4 (64.95 MB)
│ ├── 3 揭秘Transformer的真面目-1.mp4 (258.28 MB)
│ ├── 4 揭秘Transformer的真面目-2.mp4 (253.09 MB)
│ ├── 5 多模态领域的Transformer —— 创意生成的基座原理.mp4 (358.04 MB)
│ ├── 6 揭开文字、人脸、精密零件、无人驾驶的智能识别面纱.mp4 (275.98 MB)
│ ├── 7 探索DALL·E、Stable Diffusion如何编织创意图像的魔法.mp4 (296.22 MB)
│ ├── 8 类Sora模型：解锁动态视觉艺术的密码.mp4 (477.11 MB)
│ ├── 9 人体姿态识别模型 – Meta Sapiens.mp4 (543.30 MB)
│ ├── 探索神经网络的奥秘.pdf (12.05 MB)
│ ├── 揭秘Transformer的真面目1.pdf (3.21 MB)
│ ├── 揭秘Transformer的真面目2.pdf (3.47 MB)
│ └── 语言模型训练范式.pdf (5.42 MB)
├── 大模型应用相关工具安装教程
│ ├── 1 python安装教程-mac.mp4 (12.35 MB)
│ ├── 2 python安装教程-win.mp4 (15.77 MB)
│ ├── 3 pycharm安装教程-mac.mp4 (11.95 MB)
│ ├── 4 pycharm安装教程-win.mp4 (24.80 MB)
│ ├── 5 jupyter安装教程.mp4 (22.18 MB)
│ ├── 6 Pycharm运行langchain第一课的代码基础.mp4 (49.30 MB)
│ └── 7 Pycharm结合Lingma插件完成代码的开发和学习.mp4 (25.51 MB)
├── 大模型算法
│ ├── 1 人工智能基础.mp4 (144.17 MB)
│ ├── 10 Word2vec 及企业应用实战.mp4 (175.17 MB)
│ ├── 11 注意力机制及注意力机制在企业落地中的应用.mp4 (183.99 MB)
│ ├── 12 大规模预训练模型.mp4 (165.42 MB)
│ ├── 13 大规模预训练模型在工程应用中的改进.mp4 (244.27 MB)
│ ├── 14 项目一总结：智能客服项目源码解析.mp4 (193.64 MB)
│ ├── 15 大模型必知必会.mp4 (258.30 MB)
│ ├── 16 向量工程和CVP开发流.mp4 (294.63 MB)
│ ├── 17 增强大模型能力.mp4 (284.90 MB)
│ ├── 18 知识图谱技术概览.mp4 (321.24 MB)
│ ├── 19 使用DeepKE-LLM大模型进行知识图谱构建.mp4 (320.49 MB)
│ ├── 2 深度学习 – CNN I.mp4 (169.39 MB)
│ ├── 20 大模型训练的Pipeline.mp4 (316.08 MB)
│ ├── 21 Retrieval Augmented Generation（RAG）.mp4 (311.06 MB)
│ ├── 22 长度外推的解决办法：SOTA ROPE.mp4 (319.72 MB)
│ ├── 23 多跳问题的解决办法：ReAct.mp4 (298.15 MB)
│ ├── 24 训练框架DeepSpeed强化.mp4 (314.35 MB)
│ ├── 3 深度学习 – CNN II.mp4 (142.25 MB)
│ ├── 4 深度学习 – RNN LSTM.mp4 (158.94 MB)
│ ├── 5 深度学习 – Transformer 【代码】.mp4 (148.99 MB)
│ ├── 6 深度学习 – Transformer 【代码】2.mp4 (148.99 MB)
│ ├── 7 你的第一个自然语言处理流程.mp4 (186.55 MB)
│ ├── 8 文本表示和语言模型.mp4 (191.86 MB)
│ └── 9 自然语言处理核心深度网络.mp4 (172.68 MB)
├── 天池大赛
│ ├── AI大赛1-AI数据决策
│ │ ├── Case-二手车价格预测
│ │ ├── 1-AI数据决策.mp4 (504.74 MB)
│ │ ├── 1-AI数据决策.pdf (2.51 MB)
│ │ ├── 【完成参考】Case-二手车价格预测.zip (168.32 MB)
│ │ └── 笔记.md (614.00 B)
│ ├── AI大赛2-机器学习与特征工程
│ │ ├── Case-二手车价格预测
│ │ ├── 1-机器学习与特征工程.pdf (1.33 MB)
│ │ ├── AI大赛2-机器学习与特征工程.mp4 (491.86 MB)
│ │ ├── 【完成参考】Case-二手车价格预测.zip (162.89 MB)
│ │ ├── 笔记.md (459.00 B)
│ │ └── 笔记20260403.txt (9.12 KB)
│ ├── AI大赛3-机器学习神器
│ │ ├── voice
│ │ ├── 1-机器学习神器.pdf (1.73 MB)
│ │ ├── AI大赛3-机器学习神器.mp4 (312.95 MB)
│ │ ├── 【完成参考】Case-二手车价格预测.zip (16.08 MB)
│ │ ├── 笔记.md (444.00 B)
│ │ └── 笔记20260410.txt (4.36 KB)
│ ├── AI大赛4-AI数据决策
│ │ ├── 1-AI数据决策.pdf (2.51 MB)
│ │ ├── 笔记20260417.txt (7.79 KB)
│ │ └── 资料.zip (43.53 MB)
│ ├── AI大赛5-特征工程与过拟合
│ │ ├── 【完成参考】Case-二手车价格预测
│ │ ├── 1-特征工程与过拟合.pdf (668.32 KB)
│ │ ├── 特征工程与过拟合.mp4 (538.88 MB)
│ │ └── 笔记20260424.txt (10.70 KB)
│ ├── used_car_sample_submit.csv (439.47 KB)
│ ├── used_car_testB_20200421.csv (17.06 MB)
│ └── used_car_train_20200313.csv (51.77 MB)
├── 资料文档
│ ├── 2024大模型典型示范应用案例集.pdf (84.49 MB)
│ ├── AI产品经理面试题65道.pdf (1.17 MB)
│ ├── AI大模型应用开发工程师知识图谱- 新.pdf (1.70 MB)
│ ├── DAY2大模型技术架构- wdy-V10 – .pdf (8.92 MB)
│ ├── DeepSeek行业应用实践-智灵动力-2025.pdf (9.36 MB)
│ ├── 一节课搞懂大模型应用开发-.pdf (11.80 MB)
│ ├── 大规模语言模型：从理论到实践.pdf (26.91 MB)
│ ├── 清华大学104页《DeepSeek：从入门到精通》.pdf (5.36 MB)
│ └── 生成式AI商业落地白皮书.pdf (39.16 MB)
└── AI应用开发岗位要求.md (21.46 KB)
