课程目录：
├── [2]-第二课：柏拉图表征假说与scaling law：KM缩放定律.mp4
├── [1]-第一课：人工智能介绍：迭代路径，大模型进化树，技术分类.mp4
├── [3]-第三课：AI开发环境（python、conda、vscode.mp4
├── [36]-第十课：Langgraph项目原理与实战_ev.mp4
├── [27]-第一课：Agent原理简介：planning、memory、_ev.mp4
├── [46]-第六课：LightRAG（二）：示例代码，参数解读，grap_ev.mp4
├── [18]-第十课：Rerank技术原理与实践（一）交叉编码与双编码_ev.mp4
├── [43]-第三课：GraphRAG（二）：索引原理，Leiden算法，_ev.mp4
├── [26]-第十八课：RAG行业落地：实践心得，落地经验，业务场景_ev.mp4
├── [24]-第十六课：向量数据库代码示例：chroma与qdrant代码_ev.mp4
├── [41]-第一课：知识图谱：RDF,RDFS,OWL，知识图谱架构,实_ev.mp4
├── [9]-第一课：RAG技术原理与RAGFlow项目实操_ev.mp4
├── [34]-第八课：Agent框架：Single Agent，Multi_ev.mp4
├── [19]-第十一课：Rerank模型微调与实践（二）rankGPT_ev.mp4
├── [21]-第十三课：相似性搜索算法：k-means，肘部法则_ev.mp4
├── [5]-第二课：微调数据集准备（SFT,继续预训练，偏好优化）_ev.mp4
├── [25]-第十七课：RAG评估：评估指标，RAGAs，TruLens_ev.mp4
├── [44]-第四课：GraphRAG（三）：全局查询，局部查询，drif_ev.mp4
├── [47]-第七课：LightRAG（三）：Neo4j使用，API Se_ev.mp4
├── [4]-第一课：大模型微调llama-factory环境准备_ev.mp4
├── [7]-第四课：模型评估（批量推理与自动评估benchmark）_ev.mp4
├── [33]-第七课：Agent设计模式（三）：Reflexion，LAT_ev.mp4
├── [12]-第四课：高级RAG（二）提示词压缩，融合，llamainde_ev.mp4
├── [39]-第十三课：AutoGen项目原理与实战（二）：代码执行，工具_ev.mp4
├── [17]-第九课：Embedding模型评估：MRR评测，MTEB评测_ev.mp4
├── [37]-第十一课：Langgraph 多Agent架构：协作多Age_ev.mp4
├── [13]-第五课：模块化RAG（一）顺序模式，条件模式，分支模式_ev.mp4
├── [20]-第十二课：向量数据库简介与相似性测量：欧式距离，余弦相似度_ev.mp4
├── [8]-第五课：模型部署（模型合并导出与量化，本地部署）_ev.mp4
├── [42]-第二课：GraphRAG（一）：原理，部署使用，GraphR_ev.mp4
├── [40]-第十四课：CrewAI项目原理与实战：Crew,Task,A_ev.mp4
├── [38]-第十二课：AutoGen项目原理与实战（一）：AutoGen_ev.mp4
├── [15]-第七课：Embedding原理：word2vec、CBOW_ev.mp4
├── [10]-第二课：Naive RAG与langchain实践_ev.mp4
├── [28]-第二课：提示词工程：软提示词，fewshot，COT,TOT_ev.mp4
├── [22]-第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH_ev.mp4
├── [30]-第四课：Agent工具使用与function call：MR_ev.mp4
├── [11]-第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE_ev.mp4
├── [29]-第三课：Agent平台：国内外主流平台，Coze搭建智能客服_ev.mp4
├── [6]-第三课：微调过程lora微调与Qlora微调_ev.mp4
├── [14]-第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc_ev.mp4
├── [16]-第八课：Embedding模型训练：llamaindex微调_ev.mp4
├── [31]-第五课：Agent设计模式（一）：Fewshot，ReAct_ev.mp4
├── [32]-第六课：Agent设计模式（二）：REWOO，LLMComp_ev.mp4
开启AI大模型开发之旅
想象一下你坐在电脑前手指敲打键盘屏幕亮着光那些代码行就像迷宫一样等着你去探索这门课程从零开始带你进入AI大模型的世界那些复杂的算法模型训练RAG技术Agent系统全都包罗万象如果你正琢磨着转行到AI开发领域这些东西听起来高大上实际学起来没那么可怕课程里一步步拆解从人工智能的进化树到微调环境准备让你慢慢上手别担心自己是个新手谁不是从零起步呢那些术语缩放定律柏拉图假说听着玄乎其实背后有简单逻辑跟着视频操作你会看到Python和Conda怎么装VSCode怎么配置这些工具搞定了后面模型训练才顺溜环境设置错了整个项目可能卡壳半天调试起来头大得很但课程会教你怎么避坑节省时间精力早点做出成果来。
模型训练的实战演练
模型训练这块儿课程讲得贼详细第一课就覆盖了微调数据集准备SFT继续预训练偏好优化这些概念听起来专业实际操作时你得收集数据清洗数据标注数据一堆活儿等着干微调过程用lora和qlora方法效率高资源省适合普通开发者不像大公司烧钱玩得起环境准备好后接着是模型评估环节批量推理自动评测benchmark这些工具帮你判断模型好坏部署阶段模型合并导出量化本地运行确保你的应用能上线课程里还强调embedding原理word2vec CBOW这些老技术在新模型里照样管用训练embedding模型时微调llamaindex提升精度MTEB评测标准严格得很通过它才知道模型真本事缩放定律那部分KM缩放定律讲模型规模扩大性能怎么变化这种知识对优化训练流程超有用避免你瞎试浪费GPU资源。
RAG技术的深度剖析
RAG技术现在火得不行课程从naive RAG入门langchain实践上手简单但高级RAG更强大层次索引句子窗口子查询HyDE方法让检索更准提示词压缩融合llamaindex优化响应模块化RAG分顺序模式条件模式分支模式适应不同场景迭代递归检索FLARE Toc策略处理复杂查询向量数据库是关键chroma qdrant代码示例教你搭建相似性测量用欧式距离余弦相似度算法k-means肘部法则分组数据近似邻近算法PQ量化HNSW LSH加速搜索rerank技术交叉编码双编码模型微调rankGPT提升排序embedding模型评估MRR指标看召回率高低RAG评估整体用RAGAs TruLens工具量化学完这些你能搞定知识图谱RDF RDFS OWL架构实际应用GraphRAG索引原理Leiden算法部署技巧全局查询局部查询drift问题应对lightRAG示例代码参数解读graph schema整合neo4j使用API server搭建这些内容覆盖了RAG全链条从原理到项目实操RAGFlow案例演示真实业务需求。
Agent系统的构建与创新
Agent部分课程开篇讲原理planning memory功能设计提示词工程软提示词fewshot COT TOT技巧提升交互效果Agent平台国内外主流对比coze搭建智能客服实例工具使用function call MRKL框架集成外部API设计模式fewshot ReAct REWOO LLMCompiler组合任务reflexion LAT自反思机制框架single agent multi agent架构langgraph项目实战多agent协作autogen项目代码执行工具调用自动化crewai项目crew task agent角色分配这些知识点串联起来你能开发智能体系统处理规划记忆问题解决行业落地课时分享实践心得业务场景适配经验比如电商客服医疗咨询Agent在这些领域潜力巨大学完agent设计你会有种豁然开朗的感觉原来AI不仅能回答问题还能主动思考执行链式任务。
转行AI开发的实用指南
课程最后一节聚焦RAG行业落地向量数据库代码chroma qdrant实操常见坑点解决方案模型部署量化技巧本地运行优化转行AI开发这条路课程就是你的地图从环境设置到项目上线每一步都录像讲解那些理论缩放定律柏拉图假说一开始可能懵但反复看几遍就通了你不需要死记硬背动手做项目最有效比如微调数据集自己试着准备一次比听十遍课强RAG技术在企业里的应用案例课程分析失败教训成功因素帮你少走弯路Agent开发现在需求旺学完就能投简历面试官问起RAG评估指标你能侃侃而谈TruLens用法工作经验不足课程补足实战缺口那些多余的环境配置细节Python版本冲突conda虚拟环境管理看似琐碎却决定项目成败多花时间练手代码出错改错过程积累经验转行不是梦坚持学完课程AI大模型开发门槛变低你能从门外汉变成行家薪资翻倍机会大增。
