資料目錄：
├─1-在線大模型部署調(diào)用
│ DSPy優(yōu)化器優(yōu)化LLM程序.ts
│ DSPy：斯坦福20k+星標(biāo)項(xiàng)目 - 革命性的LLM優(yōu)化框架，從評(píng)估到自動(dòng)優(yōu)化你的LLM系統(tǒng)（如RAG系統(tǒng)）.ts
│ GLM 4 工具調(diào)用從入門(mén)到精通與CogVideoX 文本生成視頻 API 全流程.ts
│ GLM Assistant API集成與FastAPI服務(wù)復(fù)刻實(shí)戰(zhàn)指南.ts
│ GLM模型：流式處理的工具調(diào)用、多模態(tài)應(yīng)用及模型微調(diào)實(shí)戰(zhàn)指南.ts
│ 【Claude】01_了解Claude的所有特質(zhì).MP4
│ 【Claude】02_Claude的注冊(cè)流程.ts
│ 【Claude】03_API_KEY領(lǐng)取及調(diào)用.ts
│ 【Claude】04_API必須參數(shù)揭秘,多輪對(duì)話機(jī)器人速成指南_x264.ts
│ 【Claude】05_API多模態(tài)的最佳實(shí)踐.ts
│ 【Claude】06_API生成定制化與提示工程實(shí)戰(zhàn)長(zhǎng)文檔.mp4
│ 【Claude】07_tool use全流程講解與wiki搜索實(shí)戰(zhàn).ts
│ 【Claude】08_tool_choice與定制Json輸出及tool_use大實(shí)戰(zhàn).ts
│ 【Claude】09_揭秘prompt Cache提示緩存：節(jié)省成本加快響應(yīng)的絕技.ts
│ 【Claude】10_stream函數(shù)及生成器本質(zhì)講解.ts
│ 【Claude】11_stream流式概念與使用方法講解.ts
│ 【Claude】12_異步的使用原因與基本語(yǔ)法.ts
│ 【Claude】13_異步的API調(diào)用的講解與實(shí)踐.ts
│ 【Gemini】01_Gemini注冊(cè)指南-最新模型免費(fèi)API調(diào)用.ts
│ 【Gemini】02_生態(tài)體驗(yàn)攻略與微調(diào)實(shí)戰(zhàn).ts
│ 【Gemini】03_解鎖 Gemini API-開(kāi)啟文本生成之旅.ts
│ 【Gemini】04_掌握原生generate_content函數(shù)多輪對(duì)話技巧.ts
│ 【Gemini】05_API內(nèi)置簡(jiǎn)化多輪對(duì)話的start_chat函數(shù)與ChatSessi.ts
│ 【Gemini】06_API精細(xì)化控制生成之System Instruction.ts
│ 【Gemini】07_API精細(xì)化控制生成之generation_config與max_t.ts
│ 【Gemini】08_API精細(xì)化控制生成之Temperature與Stop Sequen.ts
│ 【Gemini】09_提示工程之長(zhǎng)文檔實(shí)戰(zhàn).ts
│ 【Gemini】10_API精細(xì)化控制生成結(jié)構(gòu)化與Json參數(shù).ts
│ 【GLMAssistantAPI】01_調(diào)用assistantAPI流程與效果.ts
│ 【GLMAssistantAPI】02_多個(gè)assistant演示解析使用.ts
│ 【GLMAssistantAPI】03_將智能體集成Agent類(lèi)使用.ts
│ 【GLMAssistantAPI】04_構(gòu)建fastapi的Web項(xiàng)目.ts
│ 【GLMAssistantAPI】05_復(fù)刻AssistantAPI.ts
│ 【GLM】01_GLM大模型API調(diào)用介紹與領(lǐng)取APIKEY.ts
│ 【GLM】02_GLM模型API初次調(diào)用與響應(yīng)解析.ts
│ 【GLM】03_大模型API調(diào)用的消息和構(gòu)建多輪對(duì)話機(jī)器人.ts
│ 【GLM】04_十分鐘速通GLM的可選參數(shù).ts
│ 【GLM】05_GLM的stream流式響應(yīng)講解.ts
│ 【GLM】06_tooluse上-一次api調(diào)用的tooluse.ts
│ 【GLM】07_tooluse下-兩次api調(diào)用的tooluse.ts
│ 【GLM】08_tooluse接入維基百科搜索實(shí)戰(zhàn).ts
│ 【GLM】09_CogVideoX視頻生成大模型.ts
│ 【GLM】10_GLM4V圖像多模態(tài)模型.mp4
│ 【GLM】11_tool_use和流式結(jié)合的API調(diào)用.mp4
│ 【GLM】12_GLM的AllTool模型API調(diào)用.mp4
│ 【GLM】13_構(gòu)建在線GLM的微調(diào).mp4
│ 【GPT4o】01_4o文本生成API基本講解與調(diào)用.ts
│ 【GPT4o】02_2個(gè)核心必需參數(shù)詳解與對(duì)話消息本質(zhì)剖析.ts
│ 【GPT4o】03_多輪對(duì)話歷史及面向?qū)ο蠖噍唽?duì)話機(jī)器人實(shí)戰(zhàn).ts
│ 【GPT4o】04_精細(xì)控制生成可選參數(shù)系列講解.ts
│ 【GPT4o】05_4o多模態(tài)圖片的文本生成API調(diào)用詳解.ts
│ 【GPT4o】06_3步的 tool use基礎(chǔ)講解與【實(shí)戰(zhàn)】社交媒體情緒數(shù)據(jù)分析.ts
│ 【GPT4o】07_5步的 tool use完整的調(diào)用流程與匯總.ts
│ 【GPT4o】08_tool use 維基百科實(shí)時(shí)寫(xiě)作助手【實(shí)戰(zhàn)】.ts
│ 【GPT4o】09_并行的函數(shù)調(diào)用與實(shí)時(shí)股票價(jià)格、歷史走勢(shì)繪圖與分析【實(shí)戰(zhàn)】.ts
│ 【GPT4o】10_輸出生成結(jié)構(gòu)化的3種方式（JSON結(jié)構(gòu)化）.ts
│ 【GPT4o】11_首token時(shí)延與提示緩存原理與最佳實(shí)踐.ts
│ 【GPT4o】12_Streaming流式響應(yīng)詳解.ts
│ 【GPT4o】13_函數(shù)調(diào)用中的Streaming流式響應(yīng).ts
│ 【GPT4o】14_風(fēng)格微調(diào)（上）創(chuàng)建數(shù)據(jù)集與微調(diào)作業(yè).ts
│ 【GPT4o】15_風(fēng)格微調(diào)（下）微調(diào)作業(yè)運(yùn)行與應(yīng)用評(píng)估.ts
│ 【GPT4o】16_tool_use微調(diào)（上）微調(diào)數(shù)據(jù)準(zhǔn)備思路和微調(diào)準(zhǔn)備.MP4.mp4
│ 【GPT4o】17_tool_use微調(diào)（下）制造微調(diào)數(shù)據(jù)微調(diào)并評(píng)估結(jié)果.MP4
│ 【GPTo1】01_o1大模型原理介紹 從4o到o1實(shí)際上發(fā)生了什么.ts
│ 【GPTo1】02_o1模型的API調(diào)用詳解與總結(jié).ts
│ 【GPTo1】03_通過(guò)COT制作4o-mini版本的o1模型【實(shí)戰(zhàn)】.ts
│ 【GPTo1】04_2種加載模型o1沒(méi)有的Json結(jié)構(gòu)功能與【實(shí)戰(zhàn)】.ts
│ 【GPTo1】05_用o1蒸餾模型實(shí)戰(zhàn)（上）.ts
│ 【GPTo1】06_用o1蒸餾模型實(shí)戰(zhàn)（下）.ts
│ 【GPT】01_OPENAI的賬號(hào)注冊(cè)速通.ts
│ 【GPT】02_OPEN AI官網(wǎng)及開(kāi)發(fā)者平臺(tái)使用指南.ts
│ 【GPT】03_虛擬信用卡開(kāi)通與升級(jí)GPT_Plus會(huì)員.ts
│ 【GPT】04_API賬戶充值及領(lǐng)取API_KEY及首次調(diào)用API.ts
│ 提示工程全解指南.ts
│
├─2-開(kāi)源大模型部署調(diào)用
│ Cursor&Coder高效低代碼開(kāi)發(fā)辦法.ts
│ Glm-Edge-v-5B模型介紹與本地部署.ts
│ Marco-o1模型介紹與本地部署.ts
│ Ollama最新版本保姆級(jí)指南.ts
│ Ollama最新版本啟動(dòng)多模態(tài)模型Llama3.2Vision全流程[Linux環(huán)境].ts
│ Qwen2--5Coder本地部署使用全流程.ts
│ Qwen2--5Coder：32B基本介紹和測(cè)試.ts
│ Qwen2VL多模態(tài)模型參數(shù)介紹&部署使用全流程.ts
│ 【ChatGLM3-6B】01_Ubuntu雙系統(tǒng)安裝.MP4
│ 【ChatGLM3-6B】02_Ubuntu環(huán)境下ChatGLM3-6b命令行安裝辦法.MP4
│ 【ChatGLM3-6B】03_服務(wù)器環(huán)境下部署ChatGLM3-6b.ts
│ 【ChatGLM3-6B】04_ChatGLM3-6b的多種啟動(dòng)方法.ts
│ 【ChatGLM3-6B】05_AutoDL快速部署ChatGLM3-6b辦法.ts
│ 【ChatGLM3-6B】06_Git方法簡(jiǎn)潔下載ChatGLM3-6b.ts
│ 【ChatGLM3-6B】07_以ChatGLM3-6b為例的大模型更新辦法.ts
│ 【ChatGLM3-6B】08_單機(jī)多卡啟動(dòng)大模型辦法.ts
│ 【ChatGLM3-6B】09_LoRA原理淺析.ts
│ 【ChatGLM3-6B】10_LoRA微調(diào)實(shí)戰(zhàn)訓(xùn)練.ts
│ 【ChatGLM3-6B】11_DeepSpeed原理淺析.ts
│ 【ChatGLM3-6B】12_PEFT高效微調(diào)原理淺析.ts
│ 【ChatGLM3-6B】13_P-Tuning V2微調(diào)實(shí)戰(zhàn).ts
│ 【ChatGLM3-6B】14_LangChian體系詳解.ts
│ 【ChatGLM3-6B】15_LangChain0.3安裝部署與調(diào)用方法.ts
│ 【Cursor】在Windows環(huán)境下調(diào)用QWQ線上API實(shí)現(xiàn)輔助編程方法.ts
│ 【Cursor】調(diào)用QWQ實(shí)現(xiàn)輔助編程--調(diào)用本地模型全流程.ts
│ 【GLM4-9B】01_模型基本介紹.ts
│ 【GLM4-9B】02_安裝部署流程展示.ts
│ 【GLM4-9B】03_多種啟動(dòng)方式流程展示.ts
│ 【GLM4-9B】04_vLLM介紹和部署應(yīng)用.ts
│ 【GLM4-9B】05_WSL部署流程.ts
│ 【GLM4-Voice】01_模型基本介紹.ts
│ 【GLM4-Voice】02_多模態(tài)與AGI技術(shù)展望.ts
│ 【GLM4-Voice】03_本地化部署流程.ts
│ 【GLM4-Voice】04_線上部署流程.ts
│ 【GLM4-Voice】05_開(kāi)源大模型比拼-排行榜介紹.ts
│ 【Llama.cpp】以Qwen2.5為例實(shí)現(xiàn)量化模型啟動(dòng)與API調(diào)用.ts
│ 【Llama.cpp】以Qwen2VL為例實(shí)現(xiàn)GGUF模型量化與調(diào)用辦法.ts
│ 【Llama3.1】01_Llama家族系列模型生態(tài)介紹.ts
│ 【Llama3.1】02_線上體驗(yàn)辦法.ts
│ 【Llama3.1】03_技術(shù)論文解讀.ts
│ 【Llama3.1】04_官網(wǎng)以及Ollama部署流程.ts
│ 【Llama3.1】05_ModelScope線上部署.ts
│ 【Llama3.1】06_ModelScope本地部署.ts
│ 【Llama3.1】07_LlamaFactory中文能力微調(diào)實(shí)例.ts
│ 【Llama3.2】01_基本介紹與線上測(cè)試辦法.ts
│ 【Llama3.2】02_官網(wǎng)下載流程.ts
│ 【Llama3.2】03_Ollama在Linux和Windows部署方法.ts
│ 【Qwen2.5Coder&Math】01_Coder介紹.ts
│ 【Qwen2.5Coder&Math】02_Math介紹.ts
│ 【Qwen2.5Coder&Math】03_Coder技術(shù)文章分析.ts
│ 【Qwen2.5Coder&Math】04_Math技術(shù)文章分析.ts
│ 【Qwen2.5Coder&Math】05_Math線上體驗(yàn).ts
│ 【Qwen2.5Coder&Math】06_Coder本地部署推理流程.ts
│ 【Qwen2.5Coder&Math】07_vLLM推理Coder流程.ts
│ 【Qwen2.5Coder&Math】08_Ollama推理Coder流程.ts
│ 【Qwen2.5Coder&Math】09_線上部署推理Coder流程.ts
│ 【Qwen2.5Coder&Math】10_Math部署流程.ts
│ 【Qwen2.5】01_基本介紹與線上體驗(yàn)辦法.ts
│ 【Qwen2.5】02_ModelScope本地化部署流程.ts
│ 【Qwen2.5】03_ModelScope線上部署辦法.ts
│ 【Qwen2.5】04_Ollama框架部署流程.ts
│ 【Qwen2.5】05_在Windows系統(tǒng)中使用Ollama框架部署流程.ts
│ 【Qwen2.5】06_vLLM部署與調(diào)用流程.ts
│ 在Windows環(huán)境下使用Ollama啟動(dòng)多模態(tài)模型llama3.2Vision全流程.ts
│
├─3-大模型微調(diào)實(shí)戰(zhàn)
│ Ch 1.1 通用模型發(fā)展與微調(diào)前景.ts
│ Ch 1.2 微調(diào)與其他技術(shù)的區(qū)別和關(guān)聯(lián).ts
│ Ch 1.3 微調(diào)步驟及技術(shù)棧.ts
│ Ch 1.4 高效微調(diào)及范圍.ts
│ Ch 1.5 強(qiáng)化學(xué)習(xí)RHLF介紹.ts
│ Ch 1.6 主流微調(diào)框架.ts
│ Ch 2.1 Lora原理詳解.ts
│ Ch 2.2 LLama_factory 介紹.ts
│ Ch 2.3 LLama_factory 安裝部署及驗(yàn)證.ts
│ Ch 2.4 實(shí)戰(zhàn)Qwen2.5微調(diào).ts
│ Ch 2.5 配置TensorBoard.ts
│ Ch 3.1 如何獲取數(shù)據(jù)源及使用解析.ts
│ Ch 3.2 llamafactory中如何使用和注冊(cè)數(shù)據(jù)集.ts
│ Ch 3.3 模型微調(diào)及參數(shù)詳解.ts
│ Ch 3.4 數(shù)據(jù)驗(yàn)證&deepspeed微調(diào).ts
│ Ch 4.1 win&Qlora&qwen2.5_Qlora能節(jié)約多少內(nèi)存.ts
│ Ch 4.2 Qlora核心概念.ts
│ Ch 4.3如何在windows配置環(huán)境.ts
│ Ch 4.4 Qlor微調(diào)實(shí)戰(zhàn)與驗(yàn)證.ts
│ Ch 5.1PPO&llama3.2_什么是PPO算法.ts
│ Ch 5.2 如何理解PPO.ts
│ Ch 5.3 各個(gè)模型PPO算法的協(xié)作關(guān)系.ts
│ Ch 5.4 PPO模型與數(shù)據(jù)的選擇.ts
│ Ch 5.5 PPO微調(diào)實(shí)操.ts
│ Ch 5.6 PPO源碼解讀.ts
│ Ch 6.1 RLHF&Qwen2.5,RLHF背景與意義.ts
│ Ch 6.2 RLHF流程拆解與核心.ts
│ Ch 6.3 獎(jiǎng)勵(lì)模型原理.ts
│ Ch 6.4 獎(jiǎng)勵(lì)模型訓(xùn)練流程.ts
│ Ch 6.5 RLHF全流程微調(diào).ts
│ Ch 6.6 RLHF挑戰(zhàn)與改進(jìn)方向.ts
│ DPO微調(diào)Qwen2.5.ts
│ LLama_factory&Lora微調(diào)Qwen2.5做NL2sql.ts
│ LLama_Factory+LORA大模型微調(diào).ts
│ PPO微調(diào)Llama-3.2.ts
│ window系統(tǒng)微調(diào)QLORA.ts
│
├─4-大模型Agent開(kāi)發(fā)實(shí)戰(zhàn)
│ Ch 1.1 大模型應(yīng)用發(fā)展與Agent前沿技術(shù)趨勢(shì).ts
│ Ch 1.2 大模型應(yīng)用的本地知識(shí)庫(kù)問(wèn)答核心技術(shù)-RAG.ts
│ Ch 1.3 AI Agent爆發(fā)的根本原因.ts
│ Ch 1.4 AI Agent 經(jīng)典核心架構(gòu)與 AgentExcuter.ts
│ Ch 10.1 LangGraph中ReAct的構(gòu)建原理.ts
│ Ch 10.2 案例實(shí)操：構(gòu)建復(fù)雜工具應(yīng)用的ReAct自治代理.ts
│ Ch 10.3 LangGraph中如何使用流式輸出.ts
│ Ch 10.4 LangGraph中的事件流.ts
│ Ch 11.1 Agent長(zhǎng)短期記憶認(rèn)知.ts
│ Ch 11.2 LangGraph的短期記憶及Checkpointer(檢查點(diǎn)).ts
│ Ch 11.3 檢查點(diǎn)的特定實(shí)現(xiàn)類(lèi)型-MemorySaver.ts
│ Ch 11.4 檢查點(diǎn)的特定實(shí)現(xiàn)類(lèi)型-SqliteSaver.ts
│ Ch 11.5 長(zhǎng)期記憶和Store（倉(cāng)庫(kù)）.ts
│ Ch 12.1 LangGraph知識(shí)點(diǎn)概述總結(jié).ts
│ Ch 12.2 LangGraph中的HIL實(shí)現(xiàn)思路.ts
│ Ch 12.3 標(biāo)準(zhǔn)圖結(jié)構(gòu)中如何添加斷點(diǎn).ts
│ Ch 12.4 復(fù)雜代理架構(gòu)中如何添加動(dòng)態(tài)斷點(diǎn).ts
│ Ch 12.5 案例：具備人機(jī)交互的完整Agent信息管理系統(tǒng).ts
│ Ch 13.1 Single-Agent 存在的局限.ts
│ Ch 13.2 Multi-Agent 架構(gòu)分類(lèi)及子圖的通信模式 - 副本.ts
│ Ch 13.3 父、子圖狀態(tài)中無(wú)共同鍵的通信方式.ts
│ Ch 13.4 案例：基于網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn)智能BI數(shù)據(jù)分析多代理系統(tǒng)（上）.ts
│ Ch 13.5 案例：基于網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn)智能BI數(shù)據(jù)分析多代理系統(tǒng)（下）.ts
│ Ch 14.1 Supervisor 架構(gòu)介紹與基本構(gòu)建原理.ts
│ Ch 14.2 案例：基于 Supervisor 架構(gòu)實(shí)現(xiàn)多代理系統(tǒng).ts
│ Ch 14.3 GraphRAG 基本介紹與核心架構(gòu).ts
│ Ch 14.4 案例：Multi-Agent實(shí)現(xiàn)混合多知識(shí)庫(kù)檢索.ts
│ Ch 2.1 AI Agent與LLMs + RAG的本質(zhì)區(qū)別.ts
│ Ch 2.2 AI Agent三種應(yīng)用類(lèi)型及Python實(shí)現(xiàn)可交互的聊天機(jī)器人.ts
│ Ch 2.3 Funcation Calling 完整生命周期細(xì)節(jié)復(fù)現(xiàn).ts
│ Ch 2.4 實(shí)現(xiàn)具備Funcation Calling的智能電商客服.ts
│ Ch 2.5 Function Calling并行調(diào)用和多函數(shù)調(diào)用的應(yīng)用方法.ts
│ Ch 2.6 加餐：OpenAI最新推出的結(jié)構(gòu)化輸出功能介紹.ts
│ Ch 3.1 Funcation Calling 與 AI Agent的本質(zhì)區(qū)別.ts
│ Ch 3.2 提示工程到代理工程的平滑過(guò)度.ts
│ Ch 3.3 ReAct Agent框架的基礎(chǔ)理論.ts
│ Ch 3.4 案例：從零復(fù)現(xiàn)ReAct Agent的完整流程.ts
│ Ch 3.5 項(xiàng)目：基于ReAct Agent構(gòu)建電商智能客服_batch.ts
│ Ch 4.1 Assistant API 框架的整體介紹.ts
│ Ch 4.2 Assistant對(duì)象的創(chuàng)建方法.ts
│ Ch 4.3 Thread、Messges及Run應(yīng)用方法.ts
│ Ch 4.4 Run運(yùn)行時(shí)的狀態(tài)轉(zhuǎn)移機(jī)制.ts
│ Ch 4.5 實(shí)現(xiàn)Run狀態(tài)的輪詢方法，并實(shí)現(xiàn)Assistant API完整鏈路.ts
│ Ch 5.1 Assistant API 進(jìn)階應(yīng)用方法介紹.ts
│ Ch 5.2 File Search內(nèi)置工具說(shuō)明及文件管理.ts
│ Ch 5.3 基于 Assistant API 創(chuàng)建在線私有知識(shí)庫(kù).ts
│ Ch 5.4 在Assistant和Thread定義File Search工具的四種策略.ts
│ Ch 5.5 如何處理Assistant API輸出響應(yīng)中的注釋.ts
│ Ch 5.6 Code Interpreter（代碼解釋器）的應(yīng)用技巧.ts
│ Ch 5.7 基于Funcation Calling實(shí)現(xiàn)本地代碼解釋器.ts
│ Ch 6.1 為什么企業(yè)級(jí)應(yīng)用必須接入流式輸出.ts
│ Ch 6.2 Assistant API中流式輸出的開(kāi)啟方法.ts
│ Ch 6.3 Assistant API 流式傳輸中的事件流原理細(xì)節(jié).ts
│ Ch 6.4 如何在 Assistant API 流式傳輸中接入外部函數(shù).ts
│ Ch 6.5 應(yīng)用案例（1）：異步構(gòu)建Assistant對(duì)象的工程化代碼.ts
│ Ch 6.6 應(yīng)用案例（2）：集成外部函數(shù)方法及項(xiàng)目完整功能介紹.ts
│ Ch 7.1 LangChain的AI Agent開(kāi)發(fā)框架架構(gòu)設(shè)計(jì).ts
│ Ch 7.2 LangGraph 的底層構(gòu)建原理.ts
│ Ch 7.3 Langgraph底層源碼解析.ts
│ Ch 7.4 LangGraph中如何接入大模型做問(wèn)答流程.ts
│ Ch 8.1 LangGraph中State的定義模式.ts
│ Ch 8.2 使用字典類(lèi)型定義狀態(tài)的方法與優(yōu)劣勢(shì).ts
│ Ch 8.3 LangGraph狀態(tài)管理中Reducer函數(shù)的使用.ts
│ Ch 8.4 MessageGraph源碼功能解析.ts
│ Ch 8.5 LangSmith基本原理與使用入門(mén).ts
│ Ch 9.1 LangGraph代理架構(gòu)及Router Agent介紹.ts
│ Ch 9.2 LangGraph中可應(yīng)用的三種結(jié)構(gòu)化輸出方法.ts
│ Ch 9.3 結(jié)合結(jié)構(gòu)化輸出構(gòu)建Router Agent（數(shù)據(jù)庫(kù)）.ts
│ Ch 9.4 Tool Calling Agent 中ToolNode的使用.ts
│ Ch 9.5 Tool Calling Agent的完整實(shí)現(xiàn)案例：實(shí)時(shí)搜索與數(shù)據(jù)庫(kù)集成.ts
│ LangGraph 多代理與 GraphRAG 綜合應(yīng)用實(shí)戰(zhàn).ts
│ 【MateGenPro】Ch 1. MateGen Pro 項(xiàng)目整體架構(gòu)介紹.ts
│ 【MateGenPro】Ch 2. 本地運(yùn)行MateGen Pro項(xiàng)目流程.ts
│ 【MateGenPro】Ch 3. MateGen Pro 后端API核心模塊設(shè)計(jì).ts
│ 【MateGenPro】Ch 4. SQLAlchemy原理與項(xiàng)目接入.ts
│ 【MateGenPro】Ch 5. MateGen 數(shù)據(jù)庫(kù)初始化邏輯.ts
│ 【MateGenPro】Ch 6 API_Key接口初始化與校驗(yàn).ts
│ 【MateGenPro】Ch 7 緩存池與系統(tǒng)初始化邏輯.ts
│ 【MateGenPro】Ch 8 會(huì)話管理模塊表結(jié)構(gòu)設(shè)計(jì)與代碼講解.ts
│ 大模型應(yīng)用發(fā)展及Agent前沿技術(shù)趨勢(shì).MP4
│ 項(xiàng)目開(kāi)發(fā)實(shí)戰(zhàn)一：從零搭建多功能智能體 MateGen Pro（第二部分）.ts
│
├─5-RAG項(xiàng)目實(shí)戰(zhàn)企業(yè)篇
│ week_1_1_part_1_課程說(shuō)明及大模型問(wèn)答功能復(fù)現(xiàn).mp4
│ week_1_1_part_2_本地私有化部署glm4-9b-chat模型.mp4
│ week_1_1_part_3_調(diào)用本地啟動(dòng)的glm4模型的方法.mp4
│ week_1_2_part_1_GLM在線API調(diào)用方法.mp4
│ week_1_2_part_2_Langchain應(yīng)用框架整體介紹.mp4
│ week_1_2_part_3_FastAPI項(xiàng)目介紹.mp4
│ week_2_1_part_1_本周開(kāi)發(fā)任務(wù)說(shuō)明.mp4
│ week_2_1_part_2_Naive RAG介紹及借助LangChain實(shí)現(xiàn)RAG流.mp4
│ week_2_1_part_3_RAG集成歷史對(duì)話信息及SqlalChemy持久化存儲(chǔ)的使.mp4
│ week_2_2_part_1_通用問(wèn)答流程整體流程介紹及參數(shù)說(shuō)明.mp4
│ week_2_2_part_2_FastChat項(xiàng)目說(shuō)明及Python多進(jìn)程.mp4
│ week_2_2_part_3_項(xiàng)目啟動(dòng)文件詳細(xì)說(shuō)明及流程復(fù)現(xiàn).mp4
│ week_3_1_part_1_企業(yè)級(jí)RAG的構(gòu)建架構(gòu)和思路.mp4
│ week_3_1_part_2_結(jié)合Faiss向量數(shù)據(jù)的RAG Indexing構(gòu)建流程.mp4
│ week_3_1_part_3_百萬(wàn)量級(jí)的wiki公有語(yǔ)料構(gòu)建方法實(shí)踐.mp4
│ week_3_1_part_4_yolox + orc 識(shí)別私有PDF語(yǔ)料的方案實(shí)踐.mp4
│ week_3_2_part_1_本地RAG知識(shí)庫(kù)問(wèn)答功能鏈路詳解與復(fù)現(xiàn).mp4
│ week_3_2_part_2_RAG評(píng)估框架-TruLens實(shí)踐.mp4
│ week_3_2_part_3_RAG評(píng)估框架-Ragas的使用及借助GLM4生成評(píng)估數(shù)據(jù).mp4
│ week_4_1_part_1_自定義RAG評(píng)估Pipeline-構(gòu)建統(tǒng)一的數(shù)據(jù)集格式.mp4
│ week_4_1_part_2_自定義RAG評(píng)估Pipeline-構(gòu)建統(tǒng)一的提示模板.mp4
│ week_4_1_part_3_自定義RAG評(píng)估Pipeline-整體邏輯實(shí)現(xiàn)及細(xì)節(jié)說(shuō)明.mp4
│ week_4_1_part_4_自定義RAG評(píng)估Pipeline-評(píng)估指標(biāo)及評(píng)估流程實(shí)現(xiàn).mp4
│ week_4_1_part_5_自定義RAG評(píng)估Pipeline-ReRanker原理及實(shí).mp4
│ week_4_2_part_1_Serper API聯(lián)網(wǎng)檢索數(shù)據(jù)預(yù)處理過(guò)程拆解.mp4
│ week_4_2_part_2_基于Serper實(shí)現(xiàn)系統(tǒng)架構(gòu)下的聯(lián)網(wǎng)實(shí)時(shí)檢索功能.mp4
│ week_5_part_1_大模型融入推薦系統(tǒng)一種思路_1.MP4
│ week_5_part_2_大模型用于特征工程及實(shí)現(xiàn)推薦系統(tǒng)的整體邏輯代碼.MP4
│ week_5_part_3_基于Langchain實(shí)現(xiàn)基于ReAct的代碼實(shí)踐及TOT提示.MP4
│ week_5_part_4_項(xiàng)目整體框架下實(shí)現(xiàn)基于Agent的問(wèn)答流程代碼實(shí)踐.ts
│ week_5_part_5_Docker介紹及借助Docker打包部署完整項(xiàng)目的流程.mp4
│
├─6-直播回放篇
│ ├─加餐-前沿技術(shù)追更
│ │ 【加餐】01 Computer Use API 詳解（1）準(zhǔn)備工作.ts
│ │ 【加餐】02 Computer Use API 詳解（2）對(duì)話函數(shù)上.ts
│ │ 【加餐】03 Computer Use API 詳解（3）對(duì)話函數(shù)下.ts
│ │ 【加餐】04 Computer Use API 詳解（4）多輪對(duì)話及tool use.ts
│ │ 【加餐】05 Computer Use API 詳解（5）全組件總結(jié).ts
│ │ 【加餐】06 Computer use實(shí)戰(zhàn)初窺.ts
│ │ 【加餐】07 Computer Use docker安裝部署全流程.ts
│ │ 【加餐】08 Computer Use項(xiàng)目啟動(dòng)&實(shí)戰(zhàn)案例.ts
│ │ 【加餐】09 Computer Use源碼詳解.ts
│ │
│ └─直播回放
│ │ ChatGPT的注冊(cè)與ChatGPT API充值.ts
│ │ GLM-4-Video-9b 介紹與部署流程.ts
│ │ GPT4o的API基本調(diào)用、精細(xì)生成控制與多模態(tài)實(shí)操.ts
│ │ GPT4o的函數(shù)調(diào)用實(shí)戰(zhàn)與結(jié)構(gòu)化生成回答與提示緩存原理.ts
│ │ LangGraph 中 Human-in-the-loop 應(yīng)用實(shí)戰(zhàn).ts
│ │ LangGraph 實(shí)現(xiàn)自治循環(huán)代理（ReAct）及事件流的應(yīng)用.ts
│ │ LangGraph 長(zhǎng)短期記憶實(shí)現(xiàn)機(jī)制及檢查點(diǎn)的使用.ts
│ │ LangGraph中State狀態(tài)模式與LangSmith基礎(chǔ)使用入門(mén).ts
│ │ Llama 3.1&2部署微調(diào).ts
│ │ Llama 3.1介紹與部署流程.ts
│ │ o1模型詳解與模型蒸餾實(shí)戰(zhàn).ts
│ │ OPENAI的Streaming流式響應(yīng)與API微調(diào)雙實(shí)戰(zhàn)，Claude computer use接入自己的電腦.ts
│ │ Qwen2.5-Coder&Math介紹與部署.ts
│ │ Qwen2.5介紹與部署流程.ts
│ │
│ └─25-1
│ 《企業(yè)級(jí) Agent 項(xiàng)目實(shí)戰(zhàn)：智能客服》- AssistGen.ts
│
├─DeepSeek-V3&R1
│ 【DS-v3 API調(diào)用】1.DeepSeek v3模型性能介紹.MP4.mp4
│ 【DS-v3 API調(diào)用】2.DeepSeek v3開(kāi)源情況介紹.MP4
│ 【DS-v3 API調(diào)用】3.DeepSeek API-Key獲取與模型調(diào)用方法詳解.MP4
│ 【DS-v3 API調(diào)用】4.DeepSeek v3模型參數(shù)詳解.MP4.mp4
│ 【DS-v3 API調(diào)用】5.搭建DeepSeek v3多輪對(duì)話機(jī)器人.MP4
│ 【DS-v3 API調(diào)用】6.DS-V3 Function calling功能介紹.MP4.mp4
│ 【DS-v3 API調(diào)用】7.DS-V3 完整Function calling執(zhí)行流程.MP4.mp4
│ 【DS-v3 API調(diào)用】8.DS-v3+Open WebUI搭建專(zhuān)屬聊天機(jī)器人.MP4
│
├─PART4：DeepSeekV3?(5小節(jié))
│ 【DeepSeekv3】1 整體架構(gòu)與分布式基礎(chǔ)概念.mp4
│ 【DeepSeekv3】2 分布式嵌入層與投影層.mp4
│ 【DeepSeekv3】3 MLA潛在注意力 (1) 從自回歸掩碼看KV緩存機(jī)制.mp4
│ 【DeepSeekv3】4 MLA潛在注意力 (2) 針對(duì)KV緩存的改進(jìn).mp4
│ 【DeepSeekv3】5 DeepSeekMOE的MOE架構(gòu)與創(chuàng)新.mp4
│
├─企業(yè)級(jí)實(shí)戰(zhàn)
│ ├─1
│ │ 【MateGenPro】Ch 1. MateGen Pro 項(xiàng)目整體架構(gòu)介紹.ts
│ │ 【MateGenPro】Ch 2. 本地運(yùn)行MateGen Pro項(xiàng)目流程.ts
│ │ 【MateGenPro】Ch 3. MateGen Pro 后端API核心模塊設(shè)計(jì).ts
│ │ 【MateGenPro】Ch 4. SQLAlchemy原理與項(xiàng)目接入.ts
│ │ 【MateGenPro】Ch 5. MateGen 數(shù)據(jù)庫(kù)初始化邏輯.ts
│ │ 【MateGenPro】Ch 6 API_Key接口初始化與校驗(yàn).ts
│ │ 【MateGenPro】Ch 7 緩存池與系統(tǒng)初始化邏輯.ts
│ │ 【MateGenPro】Ch 8 會(huì)話管理模塊表結(jié)構(gòu)設(shè)計(jì)與代碼講解.ts
│ │
│ └─2
│ 【AssistGen】 Ch 1.1 項(xiàng)目介紹與課程安排.MP4.mp4
│ 【AssistGen】 Ch 1.2 Ollama 本地部署 DeepSeek R1 模型.MP4
│ 【AssistGen】 Ch 1.3 Ollama REST API 核心接口：gener.MP4.mp4
│ 【AssistGen】 Ch 1.4 Ollama 兼容 OpenAI API 接口規(guī)范.MP4
│ 【AssistGen】 Ch 1.5 Deepseek v3 & R1 在線 API 調(diào)用.MP4
│ 【AssistGen】 Ch 1.6 AssistGen 項(xiàng)目結(jié)構(gòu)與本地啟動(dòng)流程介紹.MP4.mp4
│
└─低代碼開(kāi)發(fā)實(shí)戰(zhàn)Dify&Coze
【dify】Ch 1.1 低代碼平臺(tái)介紹.MP4.mp4
【dify】Ch 1.2 Dify介紹與安裝.MP4.mp4
【dify】Ch 1.3 xinference介紹與安裝.MP4.mp4
【dify】Ch 1.4 dify&xinference打通融合.MP4.mp4
【dify】Ch 2.1服務(wù)器源碼部署dify&RAG_基礎(chǔ)環(huán)境準(zhǔn)備.MP4.mp4
【dify】Ch 2.2 源碼安裝dify.MP4.mp4
【dify】Ch 2.3 xinference細(xì)化安裝.MP4
【dify】Ch 2.4 構(gòu)建知識(shí)庫(kù).MP4
【dify】Ch 2.5 構(gòu)建簡(jiǎn)單RAG.MP4.mp4
【dify】Ch3.1 window環(huán)境下ollama+deepseek+dify全鏈路.MP4.mp4
【dify】Ch3.2 xinference+deepseek+dify全鏈路.MP4.mp4
【dify】Ch3.3 window環(huán)境全鏈路實(shí)戰(zhàn)+API檢驗(yàn).MP4.mp4
