**《图灵 – 全薪AI大模型全栈工程师2025》**是一套专门面向AI应用开发者与软件工程师打造的系统化课程，重点围绕当前热门的 大语言模型（LLM）应用开发、AI Agent智能体、RAG知识库系统、模型微调与部署 等技术展开。课程以真实项目为核心，通过完整的学习路线帮助学员掌握从基础到企业级AI应用开发的全流程能力，培养能够独立构建AI产品的全栈工程师。🤖
一、课程整体介绍
随着人工智能技术的快速发展，大模型已经成为AI领域的核心技术。从智能客服、AI写作助手到企业知识库问答系统，大量应用都建立在大语言模型之上。
然而，大多数企业并不需要训练大型模型，而是更需要能够 调用大模型、构建AI应用并完成部署的工程师。
《全薪AI大模型全栈工程师2025》正是围绕这一需求设计，课程目标是让学员具备以下能力：
- 理解大模型核心原理
- 熟练使用主流AI开发框架
- 构建AI知识库系统
- 开发AI智能体（Agent）
- 实现模型微调与部署
- 完成完整AI产品开发
课程通过 理论 + 实战 + 项目开发 的方式，让学员逐步掌握AI应用开发技术。
二、课程学习路线
课程整体学习路径清晰，按照从基础到高级逐步深入的方式设计，主要学习阶段包括：
- Python与AI开发基础
- 大模型基础与Prompt工程
- AI应用开发框架
- RAG知识库系统开发
- AI Agent智能体开发
- 模型微调与私有化部署
- AI应用全栈开发
- 企业级项目实战
通过这条学习路线，学员可以逐步成长为 AI应用开发工程师或AI产品技术负责人。
三、课程核心模块
1、Python与AI开发基础
AI应用开发离不开编程基础，本模块重点讲解Python开发与AI开发环境搭建。
主要学习内容包括：
- Python基础语法
- Python常用库使用
- 数据处理基础
- API调用与接口开发
- AI开发环境搭建
通过该模块，学员可以掌握 AI开发所需的基础编程能力。
2、大语言模型基础
本模块重点介绍大模型的工作原理和基本使用方式。
主要内容包括：
- 大语言模型（LLM）概念
- Transformer模型架构
- Token与Embedding原理
- 大模型推理机制
- 大模型API调用
通过本阶段学习，学员能够理解 大模型如何理解和生成文本。
3、Prompt工程
Prompt Engineering 是大模型应用开发中的重要技术。本模块讲解如何通过提示词控制模型行为。
主要学习内容包括：
- Prompt设计原则
- Prompt模板设计
- Few-shot与Zero-shot提示
- Chain-of-Thought思维链
- Prompt优化方法
通过大量示例练习，学员可以掌握 高质量提示词设计技巧。
4、AI应用开发框架
AI应用开发通常依赖特定框架。本模块介绍主流AI开发框架。
主要内容包括：
- LangChain框架
- LlamaIndex框架
- AI工具调用
- 工作流设计
- 多模型协同
通过该模块，学员能够快速构建 复杂AI应用系统。
5、RAG知识库系统开发
RAG（Retrieval Augmented Generation）是企业使用大模型最常见的方案。
主要学习内容包括：
- RAG系统架构
- 文档向量化
- 向量数据库使用
- 检索增强生成
- 多数据源知识库
项目案例包括：
- 企业知识库问答系统
- AI文档助手
- 智能客服系统
通过该模块，学员可以开发 企业级AI知识库应用。
6、AI Agent智能体开发
Agent是AI应用的重要发展方向，可以让AI自动完成复杂任务。
主要内容包括：
- Agent架构设计
- 多工具Agent系统
- AI任务规划
- Agent工作流
- 多Agent协作
项目示例包括：
- AI办公助手
- AI数据分析助手
- AI自动化任务系统
通过学习，学员可以开发 具备自主决策能力的AI系统。
7、大模型微调与私有化部署
企业通常需要对大模型进行定制。本模块重点讲解模型训练与部署。
主要学习内容包括：
- 模型微调基础
- LoRA微调技术
- 数据集构建
- 模型评估
- 私有化部署
通过该模块，学员能够实现 企业级模型定制化应用。
8、AI应用全栈开发
AI产品不仅需要模型，还需要完整的应用系统。
主要内容包括：
- AI Web应用开发
- API接口设计
- 前后端交互
- 数据存储与管理
- AI应用部署上线
通过本模块学习，学员可以开发 完整AI产品系统。
四、课程实战项目
课程包含多个综合项目，用于提升实战能力，例如：
- AI知识库问答系统
- AI智能客服系统
- AI写作助手
- AI办公自动化助手
- 多Agent协作系统
通过这些项目，学员能够理解 AI产品开发的完整流程。
五、课程特色
1、紧贴AI行业趋势
课程重点讲解当前最热门的大模型应用技术。
2、项目驱动学习
通过多个真实项目帮助学员积累经验。
3、完整技术体系
从 AI基础 → 应用开发 → 模型部署 → 产品上线 全流程覆盖。
4、注重实战能力
课程包含大量实践内容，强调实际开发能力。
六、适合学习人群
本课程适合以下人群：
- Python开发工程师
- 后端开发工程师
- 希望转型AI开发的程序员
- 对大模型应用开发感兴趣的技术人员
- 想进入AI行业的学习者
同时也适合希望 快速掌握AI应用开发技术的人群。
七、学习收获
完成课程后，学员将能够：
- 理解大语言模型的核心原理
- 熟练使用AI开发框架
- 构建企业级RAG知识库系统
- 开发AI Agent智能体
- 完成AI产品开发与部署
最终具备 AI大模型全栈工程师的技术能力。
课程截图：
课程目录：
├── 1、AI大模型基础篇（第一期）
│ └── AI大模型基础篇（第一期）
│ ├── 1、开发环境安装 .mp4
│ ├── 2、MySQL安装.mp4
│ ├── 3、大语言模型基础认知-2025-5-7-初见.mp4
│ ├── 4、大模型的核心原理-2025-5-11-初见.mp4
│ ├── 5、Prompt Engineering原理-2025-5-14-初见.mp4
│ ├── 6、提示词prompt的原理和优化-2025-5-18-初见.mp4
│ └── 7、prompt提示词项目实战-2025-5-21-初见 .mp4
├── 2、AI大模型RAG应用开发篇（第一期）
│ ├── 1-RAG基础-2025-5-25-柏汌 .mp4
│ ├── 10-RAG评估和应用平台-2025-6-29-柏汌.mp4
│ ├── 11-实战项目：智能文档检索助手-2025-7-2-柏汌 .mp4
│ ├── 12-实战项目：智能文档检索助手-2-2025-7-6-柏汌 .mp4
│ ├── 2-LangChain框架-2025-5-28-柏汌.mp4
│ ├── 3-LangChain框架-2-2025-6-4-柏汌 .mp4
│ ├── 4-LangChain框架-3-2025-6-8-柏汌 .mp4
│ ├── 5-LangChain框架-4-2025-6-11-柏汌.mp4
│ ├── 6-RAG进阶-2025-6-15-柏汌 .mp4
│ ├── 7-Advanced RAG-2025-6-18-柏汌 .mp4
│ ├── 8-Advanced RAG-2-2025-6-22-柏汌 .mp4
│ └── 9-Advanced RAG-3-2025-6-25-柏汌.mp4
├── 3、AI大模型Agent智能体开发篇（第一期）
│ ├── 0-mcp和fastapi.mp4
│ ├── 1-llamaIndex框架-1-2025_7-9-初见 .mp4
│ ├── 10-langgraph框架-2025-7-30-初见.mp4
│ ├── 11-langgraph框架2-2025-8-1-初见 .mp4
│ ├── 12-langgraph框架3-2025-8-3-初见 .mp4
│ ├── 14-项目讲解和应用平台介绍-2025-8-8-初见.mp4
│ ├── 15-初认MCP-2025-8-10-托比 .mp4
│ ├── 16-MCP进阶-2025-8-13-托比.mp4
│ ├── 2-llamaIndex-2-2025-7-11-初见.mp4
│ ├── 3-llamaIndex-3-2025-7-13-初见 .mp4
│ ├── 4-llamaIndex-4-2025-7-16-初见.mp4
│ ├── 5-llamaIndex-5-2025-7-18-初见.mp4
│ ├── 5_13-langgraph框架4-2025-8-6-初见 .mp4
│ ├── 6-llamaIndex-5&Agent初识-2025-7-20-初见.mp4
│ ├── 7-Agent智能体1-2025-7-23-初见 .mp4
│ ├── 8-Agent智能体-2-2025-7-25-初见 .mp4
│ └── 9-Agent智能体-3-2025-7-27-初见.mp4
├── 4、AI大模型私有化微调篇（第一期）
│ ├── 1-模型微调 101-2025-8-15-陈钢 .mp4
│ ├── 10-实战项..之个..健康助理（上）-2025-9-5陈钢.mp4
│ ├── 11-实战项..之个..健康助理（下）-2025-9-7-陈钢.mp4
│ ├── 12-实战项..之企业知识库项..（上）-2025-9-10-程建章.mp4
│ ├── 13-实战项..之企业知识库项..（下）-2025-9-12-程建章 .mp4
│ ├── 14-实战项..之销冠智能体项..（上）-2025-9-14-程建章.mp4
│ ├── 15-实战项..之销冠智能体项..（下）-2025-9-17-程建章.mp4
│ ├── 16-商业需求与就业发展-2025-9-19-宋永柱.mp4
│ ├── 2-模型微调 PEFT-2025-8-17-陈钢.mp4
│ ├── 3-模型微调 量化-2025-8-20-陈钢 .mp4
│ ├── 4-模型微调 量化2-2025-8-22-陈钢.mp4
│ ├── 5-多模态..模型（上）基于 CNN 的模型-2025-8-24-陈钢.mp4
│ ├── 6-多模态..模型（下）基于 Transformers 的模型-2025-8-27-陈钢 .mp4
│ ├── 7-模型微调 最佳实践-2025-8-29-陈钢 .mp4
│ ├── 8-实战项..之视频转码..志报警平台（上）-2025-8-31-陈钢.mp4
│ └── 9-实战项..之视频转码..志报警平台（下）-2025-9-3-陈钢 .mp4
├── 5、AI大模型基础篇（第二期）
│ ├── 1-大模型基础认知-2025-9-10-初见2025-09-10.mp4
│ ├── 2-大语言模型底层原理解析-2025-9-12-初见.mp4
│ ├── 3-transformer架构详细解析-2025-9-15-初见.mp4
│ ├── 4-提示词prompt的原理和优化-2025-9-17-初见 .mp4
│ ├── 5-提示词prompt的原理和优化-2-2025-9-19-初见.mp4
│ ├── 6-提示词实战案例-2025-9-22-初见 .mp4
│ ├── 7-FastAPI-2025-9-24-初见 .mp4
│ └── 8-fastapi项目讲解-2025-9-26-初见 .mp4
├── 6、面试专栏
│ ├── 10_Reward Hacking问题如何解决？.mp4
│ ├── 11_残差网络有什么作用.mp4
│ ├── 12_动态批处理如何提升推理吞吐量？.mp4
│ ├── 13_剪枝和蒸馏 .mp4
│ ├── 14_解释大模型训练中的“缩放定律”.mp4
│ ├── 15_LoRI技术详解 .mp4
│ ├── 16_正则化约束 .mp4
│ ├── 17_怎么区分数据噪声与解码策略导致的幻觉 .mp4
│ ├── 18_什么是稀疏微调.mp4
│ ├── 19_什么是LoRA.mp4
│ ├── 1_Transformer1整体介绍.mp4
│ ├── 20_如何通过模型微调，尽量解决提示词注入的问题？ .mp4
│ ├── 21_如果有标注的训练数据很少，如何扩增训练数据的数量？ .mp4
│ ├── 22_模型蒸馏时教师模型“黑暗知识”（Dark Knowledge）的提取技巧 .mp4
│ ├── 23_量化和二值化.mp4
│ ├── 24_损失函数和反向传播 .mp4
│ ├── 25_神经网络简介 .mp4
│ ├── 26_卷积运算公式.mp4
│ ├── 27_卷积神经网络原理 .mp4
│ ├── 28_计算机怎么识别图片.mp4
│ ├── 29_激活函数 .mp4
│ ├── 2_Transformer2词表.mp4
│ ├── 30_梯度和前向传播 .mp4
│ ├── 31_旋转位置编码 .mp4
│ ├── 32_位置编码.mp4
│ ├── 33_什么是MoE.mp4
│ ├── 34_什么是flashattention .mp4
│ ├── 35_常见的位置编码有哪些.mp4
│ ├── 36_残差网络有什么作用.mp4
│ ├── 37_KVcache是干什么的.mp4
│ ├── 38_encoder-only模型是什么.mp4
│ ├── 39_deepseek的MLA技术.mp4
│ ├── 3_Transformer3掩码.mp4
│ ├── 40oder-only模型是什么.mp4
│ ├── 41_clip是什么 .mp4
│ ├── 42_bert和Transformer的有什么区别 .mp4
│ ├── 43_以Transformer为例大模型面试题目学习方法.mp4
│ ├── 44_RAG 在多轮对话中表现不佳的原因 .mp4
│ ├── 45_针对性优化RAG延迟的三个环节 .mp4
│ ├── 46_长上下文窗口的技术实现难点.mp4
│ ├── 47_在RAG中，如何优化Embedding模型以提升检索质量？.mp4
│ ├── 48_在 RAG 系统中，知识检索和生成式模型分别扮演什么角色，两者如何协同工作？.mp4
│ ├── 49_与纯生成式模型（如GPT）相比，RAG如何解决幻觉问题？ .mp4
│ ├── 4_Transformer4多头注意力 .mp4
│ ├── 50_向量数据库在RAG中的非必需场景举例及替代方案.mp4
│ ├── 51_文本分块（Chunking）有哪些常见策略？.mp4
│ ├── 52_如何设计一个高质量的检索语料库？.mp4
│ ├── 53_如何将RAG与微调（Fine-tuning）结合？ .mp4
│ ├── 54_如何处理上下文溢出的问题 .mp4
│ ├── 55_如何避免 RAG 生成无关内容 .mp4
│ ├── 56_归一化在rag中的作用.mp4
│ ├── 57_构建 RAG 系统时，如何选择合适的嵌入模型 .mp4
│ ├── 58_多轮对话的优化方式.mp4
│ ├── 59_当用户查询与文档库差异较大时（如：口语化表达），如何提升检索的鲁棒性？.mp4
│ ├── 5_Transformer5前馈网络.mp4
│ ├── 60_rag在检索中的问题.mp4
│ ├── 61_rag稀疏检索和稠密检索.mp4
│ ├── 62_rag是什么 整体流程是怎么样的 .mp4
│ ├── 63_rag生成答案和检索不一致可能的原因 .mp4
│ ├── 64_RAG检索的方式和技术有哪些？.mp4
│ ├── 65_rag分块策略详解.mp4
│ ├── 66_RAG的延迟主要来自哪几个环节？ 如何针对性优化？.mp4
│ ├── 67_通过let’s think step by step提示词触发的思维链模式，与推理模型.mp4
│ ├── 68_什么是模型的幻觉 该怎么解决.mp4
│ ├── 69_什么是过拟合 该怎么解决.mp4
│ ├── 6_Transformer6位置编码 .mp4
│ ├── 70_如何设计 Agent 的目标函数，以确保其行为符合预期？ .mp4
│ ├── 71_描述Agent应用场景并详细说明.mp4
│ ├── 72_ReAct 框架是什么？ .mp4
│ ├── 73_MCP和function call的异同 .mp4
│ ├── 74_Few-Shot提示构建的关键技巧？ .mp4
│ ├── 75_agent和workflow .mp4
│ ├── 76_Agent的自我反思机制设计.mp4
│ ├── 7_Transformer7encoder部分 .mp4
│ ├── 8_Transformer8decoder部分.mp4
│ └── 9_PEFT是什么 .mp4
├── 7、预习专栏一【python编程】
│ ├── 01_课程说明与大概介绍 .mp4
│ ├── 02_认识Python变量类型与变量地址.mp4
│ ├── 03_余数与除操作详解.mp4
│ ├── 04_学习中的复利思维.mp4
│ ├── 05_位运算符操作.mp4
│ ├── 06_整数与浮点数的特性.mp4
│ ├── 07_原生字符串与字节字符串.mp4
│ ├── 08_输入与输出详解 .mp4
│ ├── 09_容器类型之列表类型.mp4
│ ├── 10_容器类型之元组类型.mp4
│ ├── 11_容器类型之字典类型 .mp4
│ ├── 12_容器类型之集合类型.mp4
│ ├── 13_分支结构.mp4
│ ├── 14_for循环与列表生成式 .mp4
│ ├── 15_while循环与哨兵值 .mp4
│ ├── 16_函数定义与lambda表达式 .mp4
│ ├── 17_一个案例讲解完毕面向对象的四大特性 .mp4
│ ├── 18_文件操作详解.mp4
│ ├── 19_自定义异常与异常处理.mp4
│ ├── 20_模块化编程之内置模块详解.mp4
│ ├── 21_模块化编程之自定义模块详解.mp4
│ └── 22_模块化编程之第三方模块.mp4
├── 8、预习专栏二【大模型的基础】
│ ├── 01-1大模型的基础认知-人工智能演进与大模型兴起 2025.04.16 .mp4
│ ├── 01-2大模型的基础认知-大模型与通用人工智能.mp4
│ ├── 01-3大模型的基础认知-GPT模型的发展历程 .mp4
│ ├── 01-4大模型的基础认知-国产大模型介绍 .mp4
│ └── 01-5大模型的基础认知-大模型的趋势和挑战.mp4
├── 9、预习专栏三【大模型核心原理】
│ ├── 1_02_1大模型核心原理-理解大模型成功的背后 .mp4
│ ├── 2_02_2大模型核心原理-理解生成式模型与大语言模型.mp4
│ ├── 3_02_3大模型核心原理-大模型应用实例与Prompt使用技巧 .mp4
│ ├── 4_02_4大模型核心原理-Transformer架构解析 .mp4
│ ├── 5_02_5大模型核心原理-运行基本机制.mp4
│ ├── 6_02_6大模型核心原理-关键技术解析：预训练、SFT、RLHF.mp4
│ └── 7_02_7大模型核心原理-实践中的大模型.mp4
├── 10、预习专栏四【提示工程原理】
│ ├── 1、提示工程原理解释.mp4
│ ├── 2、提示工程组成要素和示例 .mp4
│ ├── 3、提示工程调优进阶.mp4
│ └── 4、提示工程攻击和防范 .mp4
├── 11、预习专栏五【提示工程项目实战】
│ └── 提示工程项目实战 .mp4
├── 12.21新更新部分
│ ├── 2、AI大模型RAG应用开发篇（第二期）
│ │ ├── 1-RAG基础-2025-10-8-柏汌.mp4
│ │ ├── 10-RAG评估和应用平台-2025-10-29-柏汌.mp4
│ │ ├── 11-实战项目：智能文档检索助手-2025-10-31-柏汌.mp4
│ │ ├── 12-实战项目：智能文档检索助手-2-2025-11-3-柏汌.mp4
│ │ ├── 2-RAG基础-2-2025-10-10-柏汌 .mp4
│ │ ├── 3-LangChain框架-2025-10-13-柏汌.mp4
│ │ ├── 4-LangChain框架-2-2025-10-15-柏汌.mp4
│ │ ├── 5-LangChain框架-3-2025-10-17-柏汌 .mp4
│ │ ├── 6-LangChain框架-4-2025-10-20-柏汌 .mp4
│ │ ├── 7-RAG进阶-2025-10-22-柏汌.mp4
│ │ ├── 8-Advanced RAG-2025-10-24-柏汌.mp4
│ │ └── 9-Advanced RAG-2-2025-10-27-柏汌.mp4
│ └── 3、AI大模型Agent智能体开发篇（第二期）
│ ├── 1-初始llamaindex框架-2025-11-10-初见 .mp4
│ ├── 10-多智能体langgraph-2025-12-1-初见 .mp4
│ ├── 11-langgraph框架-2025-12-5-初见.mp4
│ ├── 12-Langgraph-2-2025-12-8-初见.mp4
│ ├── 13-Langgrapg-3-2025-12-10-初见 .mp4
│ ├── 2-llamaindex-2-2025-11-12-初见.mp4
│ ├── 3-llamaindex-3-2025-11-14-初见.mp4
│ ├── 4-llamaIndex-4-2025-11-17-初见.mp4
│ ├── 5-llamaIndex-5-2025-11-19-初见 .mp4
│ ├── 6-llamaindex-6-2025-11-21-初见.mp4
│ ├── 7-llamaindex项目-2025-11-24-初见 .mp4
│ ├── 8-Agent1-2025-11-26-初见.mp4
│ └── 9-Agent-2-2025-11-28-初见.mp4
├── 12、预习专栏六【huggingface专题】
│ ├── 1_huggingface.mp4
│ ├── 2_huggingface-2.mp4
│ ├── 3_huggingface-3 .mp4
│ └── 4_huggingfacce-4.mp4
├── 13、预习专栏七【私有化部署】
│ └── 私有化部署 .mp4
├── 资料以及文档
│ ├── AI大模型Agent智能体开发篇
│ │ ├── 1-llamaIndex框架-1-2025-7-9-初见
│ │ │ └── day01-llamaIndex1.zip
│ │ ├── 10-langgraph框架-2025-7-30-初见
│ │ │ └── day10langgraph1.zip
│ │ ├── 11-langgraph框架2-2025-8-1-初见
│ │ │ ├── day11langgraph2.zip
│ │ │ └── 飞书-llamaIndex项目.txt
│ │ ├── 12-langgraph框架3-2025-8-3-初见
│ │ │ ├── day12langgraph3.zip
│ │ │ └── LlamaIndex实战项目.zip
│ │ ├── 13-langgraph框架4-2025-8-6-初见
│ │ │ └── day13langgraph4.zip
│ │ ├── 14-项目讲解和应用平台介绍-2025-8-8-初见
│ │ │ ├── day14项目讲解+coze、dify.zip
│ │ │ └── 飞书.txt
│ │ ├── 15-初认MCP-2025-8-10-托比
│ │ │ └── 初识MCP.zip
│ │ ├── 16-MCP进阶-2025-8-13-托比
│ │ │ └── MCP(2).zip
│ │ ├── 2-llamaIndex-2-2025-7-11-初见
│ │ │ └── day02-llamaindex2.zip
│ │ ├── 3-llamaIndex-3-2025-7-13-初见
│ │ │ ├── day03llamaIndex-3.zip
│ │ │ └── docker安装包.zip
│ │ ├── 4-llamaIndex-4-2025-7-16-初见
│ │ │ └── day04llamaindex-4.zip
│ │ ├── 5-llamaIndex-5-2025-7-18-初见
│ │ │ └── day05llamaindex-5.zip
│ │ ├── 6-llamaIndex-5&Agent初识-2025-7-20-初见
│ │ │ ├── Agent飞书文档.txt
│ │ │ └── day06llamaIndex-6.zip
│ │ ├── 7-Agent智能体1-2025-7-23-初见
│ │ │ └── day07Agent-1.zip
│ │ ├── 8-Agent智能体-2-2025-7-25-初见
│ │ │ └── day08Agent-2.zip
│ │ └── 9-Agent智能体-3-2025-7-27-初见
│ │ └── day09多智能体-1.zip
│ ├── AI大模型RAG应用开发篇
│ │ ├── 1-RAG基础-2025-5-25-柏汌
│ │ │ └── day01.zip
│ │ ├── 10-RAG评估和应用平台-2025-6-29-柏汌
│ │ │ └── day10.zip
│ │ ├── 11-实战项目：智能文档检索助手-2025-7-2-柏汌
│ │ │ └── day11.zip
│ │ ├── 12-实战项目：智能文档检索助手-2-2025-7-6-柏汌
│ │ │ ├── 课件.zip
│ │ │ └── 源码.zip
│ │ ├── 2-LangChain框架2025-5-28-柏汌
│ │ │ └── day02.zip
│ │ ├── 3-LangChain框架-2-2025-6-4-柏汌
│ │ │ └── day03.zip
│ │ ├── 4-LangChain框架-3-2025-6-8-柏汌
│ │ │ └── day04.zip
│ │ ├── 5-LangChain框架-4-2025-6-11-柏汌
│ │ │ └── day05.zip
│ │ ├── 6-RAG进阶-2025-6-15-柏汌
│ │ │ └── day06.zip
│ │ ├── 7-Advanced RAG-2025-6-18-柏汌
│ │ │ └── day07.zip
│ │ ├── 8-Advanced RAG-2-2025-6-22-柏汌
│ │ │ └── day08.zip
│ │ └── 9-Advanced RAG-3-2025-6-25-柏汌
│ │ └── day09.zip
│ ├── AI大模型rag应用开发篇第二期
│ │ ├── 1-RAG基础-2025-10-8-柏汌
│ │ │ └── day01.zip
│ │ ├── 10-RAG评估和应用平台-2025-10-29-柏汌
│ │ │ └── day10(2).zip
│ │ ├── 11-实战项目：智能文档检索助手-2025-10-31-柏汌
│ │ │ └── day11.zip
│ │ ├── 12-实战项目：智能文档检索助手-2-2025-11-3-柏汌
│ │ │ └── day12.zip
│ │ ├── 2-RAG基础-2-2025-10-10-柏汌
│ │ │ └── day02.zip
│ │ ├── 3-LangChain框架-2025-10-13-柏汌
│ │ │ └── day03.zip
│ │ ├── 4-LangChain框架-2-2025-10-15-柏汌
│ │ │ └── day04.zip
│ │ ├── 5-LangChain框架-3-2025-10-17-柏汌
│ │ │ └── day05.zip
│ │ ├── 6-LangChain框架-4-2025-10-20-柏汌
│ │ │ └── day06.zip
│ │ ├── 7-RAG进阶-2025-10-22-柏汌_20251022_223331
│ │ │ └── day07.zip
│ │ ├── 8-Advanced RAG-2025-10-24-柏汌
│ │ │ └── day08.zip
│ │ └── 9-Advanced RAG-2-2025-10-27-柏汌
│ │ └── day09.zip
│ ├── AI大模型基础篇
│ │ ├── 3-Prompt Engineering原理-2025-5-14-初见
│ │ │ └── day03大模型核心原理-2.zip
│ │ ├── 5-prompt提示词项目实战-2025-5-21-初见
│ │ │ ├── day05prompt实战.zip
│ │ │ ├── Prompt Engineering项目实战.pdf
│ │ │ └── 飞书文档地址.txt
│ │ ├── 1-大语言模型基础认知-2025-5-7-初见.zip
│ │ ├── 2-大模型核心原理-2025-05-11-初见.zip
│ │ └── 4-提示词prompt的原理和优化-2025-5-18-初见.zip
│ ├── AI大模型基础篇第二期
│ │ ├── 1-大模型基础认知-2025-9-10-初见
│ │ │ └── day01.zip
│ │ ├── 4-提示词prompt的原理和优化-2025-9-17-初见
│ │ │ └── day04.zip
│ │ ├── 5-提示词prompt的原理和优化-2-2025-9-19-初见
│ │ │ └── day05.zip
│ │ ├── 6-提示词实战案例-2025-9-22-初见
│ │ │ └── day06.zip
│ │ ├── 7-FastAPI-2025-9-24-初见
│ │ │ └── day07.zip
│ │ └── 8-fastapi项目讲解-2025-9-26-初见
│ │ └── 案例.zip
│ ├── AI大模型私有化微调篇
│ │ ├── 1-⼤模型微调 101-2025-8-15-陈钢
│ │ │ └── day01微调101.zip
│ │ ├── 10-实战项⽬之个⼈健康助理（上）-2025-9-5陈钢
│ │ │ └── day08微调之项目二.zip
│ │ ├── 11-实战项⽬之个⼈健康助理（下）-2025-9-7-陈钢
│ │ │ └── 大模型微调-8-实战：健康助手 .pdf
│ │ ├── 12-15两个项目资料
│ │ │ └── 课件和资料.txt
│ │ ├── 16-商业需求与就业发展-2025-9-19-宋永柱
│ │ │ └── 周五线上课结课分享讲义.pdf
│ │ ├── 2-⼤模型微调 PEFT-2025-8-17-陈钢
│ │ │ └── day02微调之PEFT.zip
│ │ ├── 3-⼤模型微调 量化-2025-8-20-陈钢
│ │ │ └── day03微调之量化.zip
│ │ ├── 4-⼤模型微调 量化-2025-8-20-陈钢
│ │ │ └── day03微调之量化.zip
│ │ ├── 5-多模态⼤模型（上）基于 CNN 的模型-2025-8-24-陈钢
│ │ │ └── day04微调之多模态模型（上）.zip
│ │ ├── 6-多模态⼤模型（下）基于 Transformers 的模型-2025-8-27-陈钢
│ │ │ └── day05微调之多模态模型（下）.zip
│ │ ├── 7-⼤模型微调 最佳实践-2025-8-29-陈钢
│ │ │ ├── day06微调之最佳实践.zip
│ │ │ ├── 需要提前准备的环境.jpg
│ │ │ └── 需要提前准备的环境.jpg.jpg
│ │ ├── 8-实战项⽬之视频转码⽇志报警平台（上）-2025-8-31-陈钢
│ │ │ ├── day07微调之项目一.zip
│ │ │ ├── 上节课的修改之处、.txt
│ │ │ └── 项目一 shape 和模型不能保存的问题的修正.mp4.zip
│ │ └── 9-实战项⽬之视频转码⽇志报警平台（下）-2025-9-3-陈钢
│ │ └── day08微调之项目二.zip
│ ├── 预习资料.zip
│ ├── 专为AI设计的Python课程.zip
│ └── 资料地址.txt
├── 课程目录大纲.png
└── 图灵-全“薪”AI大模型全栈工程师.png