知乎-AI大模型应用开发实战训练营-第24期
《知乎-AI大模型应用开发实战训练营-第24期》是一套面向人工智能领域的系统化实战课程,主要围绕大语言模型技术、AI应用开发、智能体构建以及企业级项目落地等热门方向展开。课程旨在帮助学员从零开始理解大模型的核心原理,掌握主流AI开发工具与技术框架,并通过实际项目训练,将大模型技术应用到真实业务场景中,逐步具备独立设计和开发AI应用的能力。
课程从Python编程基础和人工智能基础知识入手,讲解大语言模型的发展历程、技术原理、模型架构以及主流模型的使用方法,帮助学员建立完整的AI技术认知。在开发基础部分,重点学习开发环境搭建、模型API调用、接口封装、数据处理以及基础应用开发,为后续进阶学习做好准备。
在核心技术模块中,课程重点围绕Prompt提示词工程、上下文管理、Embedding向量嵌入、向量数据库、RAG检索增强生成以及企业知识库搭建等内容展开。通过实战学习,掌握如何将企业文档、业务资料和专业知识接入大语言模型,打造智能问答系统、知识检索平台和专属AI助手,解决传统信息查询效率低、知识分散等问题。
在进阶应用开发方面,课程进一步涉及AI Agent智能体、Function Calling工具调用、工作流编排、多智能体协作以及自动化任务执行等技术,学习如何让AI不仅能够回答问题,还能根据用户需求调用工具、分析信息并完成复杂任务。同时结合相关开发框架,探索智能客服、AI办公助手、自动化数据分析和智能业务系统等应用场景。
课程还注重综合项目实战,将大模型调用、知识库检索、智能体开发和前后端应用进行整合,帮助学员熟悉从需求分析、系统设计到功能实现和项目部署的完整开发流程。
本课程适合Python开发人员、软件工程师、大学生、AI技术爱好者以及希望转型大模型应用开发的职场人士学习。通过系统学习,可以建立较为完整的大模型应用开发知识体系,提升AI项目实战能力,为进入人工智能行业和参与企业AI应用开发打下基础。
课程截图:

课程目录:
夸克网盘分享/
└── 知乎-AI大模型应用开发实战训练营- 第24期/ (20.73 GB)
├── 1、提示词和RAG/ (463.40 MB)
│ ├── 笔记.md (407.00 B)
│ ├── 提示词和RAG.pdf (801.54 KB)
│ ├── 提示词和RAG.mp4 (462.61 MB)
│ └── MVastLog_20260718213225_10080_1.log (204.00 B)
├── 2、Agent:从可控性到自主反思/ (506.14 MB)
│ ├── 笔记.md (206.00 B)
│ ├── 课程相关资源.zip (1.83 MB)
│ ├── Agent:从可控性到自主反思.mp4 (502.43 MB)
│ ├── Agent.pdf (1.87 MB)
│ └── realtime-subtitle.log (2.84 KB)
├── 3、多模态前沿从Agent构建到视频AIGC/ (380.22 MB)
│ ├── 笔记.md (194.00 B)
│ ├── 第3节 多模态.pdf (11.54 MB)
│ ├── 多模态前沿从Agent构建到视频AIGC.mp4 (368.19 MB)
│ └── 更多课程资料领取入口.png (493.50 KB)
├── 4、AI大模型原理与API使用/ (512.55 MB)
│ ├── CASE-API使用/ (54.48 KB)
│ │ ├── .claude/ (96.00 B)
│ │ │ └── settings.local.json (96.00 B)
│ │ ├── .ipynb_checkpoints/ (16.15 KB)
│ │ │ ├── 1-情感分析-Qwen-checkpoint.ipynb (2.43 KB)
│ │ │ ├── 2-天气Function-Qwen-checkpoint.ipynb (7.38 KB)
│ │ │ └── 4-运维事件处置-Qwen-checkpoint.ipynb (6.35 KB)
│ │ ├── 1-情感分析-Qwen.ipynb (2.43 KB)
│ │ ├── 1-情感分析-Qwen.py (883.00 B)
│ │ ├── 2-天气Function-Qwen.ipynb (7.38 KB)
│ │ ├── 2-天气Function-Qwen.py (3.55 KB)
│ │ ├── 3-表格提取-Qwen.ipynb (7.69 KB)
│ │ ├── 3-表格提取-Qwen.py (859.00 B)
│ │ ├── 4-运维事件处置-Qwen.ipynb (6.35 KB)
│ │ ├── 4-运维事件处置-Qwen.py (3.32 KB)
│ │ ├── 5-情感分析-Deepseek-阿里代理.ipynb (1.79 KB)
│ │ ├── 5-情感分析-Deepseek-阿里代理.py (785.00 B)
│ │ ├── 6-联网搜索.ipynb (2.36 KB)
│ │ ├── 6-联网搜索.py (899.00 B)
│ │ └── requirements.txt (35.00 B)
│ ├── 1-AI大模型原理与API使用.pdf (2.53 MB)
│ ├── 笔记.md (837.00 B)
│ ├── 笔记20260721.txt (8.12 KB)
│ ├── 学习前请先查看.png (493.50 KB)
│ └── AI大模型原理与API使用.mp4 (509.48 MB)
├── 5、AI编程-从入门到精通/ (482.20 MB)
│ ├── bed_usage/ (6.75 MB)
│ │ ├── .qodo/ (513.50 KB)
│ │ │ ├── 学习资料领取说明.png (493.50 KB)
│ │ │ └── history.sqlite (20.00 KB)
│ │ ├── charts/ (1.28 MB)
│ │ │ ├── 病床数量与使用率关系.png (343.24 KB)
│ │ │ ├── 各医院病床使用率.png (251.82 KB)
│ │ │ ├── 医院科室使用率热力图.png (432.32 KB)
│ │ │ ├── TOP10最低使用率科室.png (128.93 KB)
│ │ │ └── TOP10最高使用率科室.png (151.23 KB)
│ │ ├── data_cache/ (2.34 KB)
│ │ │ ├── data_cache.pkl (2.16 KB)
│ │ │ └── metadata.json (187.00 B)
│ │ ├── templates/ (37.45 KB)
│ │ │ └── index.html (37.45 KB)
│ │ ├── .gitignore (6.00 B)
│ │ ├── 历史合集.zip (1.83 MB)
│ │ ├── app.py (20.70 KB)
│ │ ├── hospital_bed_usage_data.xlsx (3.07 MB)
│ │ ├── precompute_data.py (8.07 KB)
│ │ ├── README.md (1.45 KB)
│ │ ├── requirements.txt (66.00 B)
│ │ └── view_excel_data.py (7.18 KB)
│ ├── dashboard_epidemic/ (5.24 MB)
│ │ ├── static/ (3.37 MB)
│ │ │ ├── css/ (5.80 KB)
│ │ │ │ └── dashboard.css (5.80 KB)
│ │ │ └── js/ (3.36 MB)
│ │ │ ├── dashboard.js (27.48 KB)
│ │ │ └── hongkong.json (3.33 MB)
│ │ ├── templates/ (16.29 KB)
│ │ │ └── index.html (16.29 KB)
│ │ ├── .gitignore (6.00 B)
│ │ ├── 各地区确诊病例对比图.png (264.18 KB)
│ │ ├── 更多配套资料.png (493.50 KB)
│ │ ├── 活跃病例数据统计图.png (202.23 KB)
│ │ ├── 每日确诊数据统计图.png (349.87 KB)
│ │ ├── 香港各区疫情数据_20250322.xlsx (220.24 KB)
│ │ ├── 疫情数据统计图 – 副本.png (179.12 KB)
│ │ ├── 疫情数据统计图.png (179.12 KB)
│ │ ├── app.py (7.53 KB)
│ │ ├── read_excel.py (7.98 KB)
│ │ ├── README.md (1.70 KB)
│ │ └── requirements.txt (57.00 B)
│ ├── Excel_merge/ (27.04 KB)
│ │ ├── 员工基本信息表.xlsx (9.48 KB)
│ │ ├── 员工绩效表.xlsx (10.06 KB)
│ │ ├── 员工信息与绩效合并表.xlsx (6.26 KB)
│ │ └── test1.py (1.25 KB)
│ ├── CASE-bed_usage/ (3.07 MB)
│ │ └── hospital_bed_usage_data.xlsx (3.07 MB)
│ ├── CASE-dashboard_epidemic/ (739.50 KB)
│ │ ├── __pycache__/ (3.12 KB)
│ │ │ └── app.cpython-313.pyc (3.12 KB)
│ │ ├── templates/ (18.88 KB)
│ │ │ └── index.html (18.88 KB)
│ │ ├── 配套内容说明.png (493.50 KB)
│ │ ├── 香港各区疫情数据_20250322.xlsx (220.24 KB)
│ │ ├── app.py (2.04 KB)
│ │ ├── flask.log (305.00 B)
│ │ └── test_app.py (1.42 KB)
│ ├── CASE-Excel_merge/ (521.19 KB)
│ │ ├── 新手必看.png (493.50 KB)
│ │ ├── 员工基本信息表.xlsx (9.48 KB)
│ │ ├── 员工绩效表.xlsx (10.06 KB)
│ │ ├── 员工信息及2024Q4绩效.xlsx (5.69 KB)
│ │ ├── merge_excel.py (1.48 KB)
│ │ └── read_excel.py (1004.00 B)
│ ├── CASE-病床使用情况.pdf (1.83 MB)
│ ├── AI编程工具安装.pdf (136.31 KB)
│ ├── 1-AI编程.pdf (4.10 MB)
│ ├── 笔记.md (506.00 B)
│ ├── 建议您看一下.png (493.50 KB)
│ └── AI编程-从入门到精通.mp4 (459.35 MB)
├── 6、2026一人公司掘金地图:案例·趋势·工具/ (315.43 MB)
│ ├── 2026一人公司掘金地图:案例·趋势·工具.mp4 (314.95 MB)
│ ├── 笔记.md (733.00 B)
│ └── 重要资料查看说明.png (493.50 KB)
├── 7、Kimi k3模型原理和量化/ (405.97 MB)
│ ├── 笔记.md (483.00 B)
│ └── Kimi k3模型原理和量化.mp4 (405.97 MB)
├── 8、LangChain:多任务应用开发/ (448.72 MB)
│ ├── CASE-搭建故障诊断Agent/ (8.46 KB)
│ │ ├── 2-network_diagnosis_agent.py (8.40 KB)
│ │ └── requirements.txt (63.00 B)
│ ├── CASE-工具链组合/ (511.39 KB)
│ │ ├── 1-simple_toolchain.py (6.66 KB)
│ │ ├── 2-simple_toolchain.py (9.91 KB)
│ │ ├── 3-lcel-demo.py (1.22 KB)
│ │ ├── 学习前请先查看.png (493.50 KB)
│ │ └── requirements.txt (86.00 B)
│ ├── CASE-LangChain使用/ (36.19 KB)
│ │ ├── .ipynb_checkpoints/ (15.77 KB)
│ │ │ ├── 1-LLMChain-checkpoint.ipynb (5.63 KB)
│ │ │ ├── 2-LLMChain-checkpoint.ipynb (2.23 KB)
│ │ │ ├── 3-LLMChain-checkpoint.ipynb (2.38 KB)
│ │ │ ├── 4-ConversationChain-checkpoint.ipynb (2.58 KB)
│ │ │ └── 5-product_llm-checkpoint.py (2.95 KB)
│ │ ├── 1-LLMChain.ipynb (5.63 KB)
│ │ ├── 1-LLMChain.py (824.00 B)
│ │ ├── 2-LLMChain.ipynb (2.23 KB)
│ │ ├── 2-LLMChain.py (720.00 B)
│ │ ├── 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)
│ ├── 1-LangChain:多任务应用开发.pdf (3.00 MB)
│ ├── 笔记.md (646.00 B)
│ ├── 笔记20260727.txt (10.57 KB)
│ └── LangChain:多任务应用开发.mp4 (445.17 MB)
├── 9、AI框架设计与选型/ (605.24 MB)
│ ├── CASE-多文件智能问答Agent/ (2.77 MB)
│ │ ├── docs/ (2.28 MB)
│ │ │ ├── 1-平安商业综合责任保险(亚马逊).txt (2.45 KB)
│ │ │ ├── 2-雇主责任险.txt (4.87 KB)
│ │ │ ├── 3-平安企业团体综合意外险.txt (9.54 KB)
│ │ │ ├── 4-雇主安心保.txt (1.99 KB)
│ │ │ ├── 5-施工保.txt (4.46 KB)
│ │ │ ├── 6-财产一切险.txt (1.88 KB)
│ │ │ ├── 7-平安装修保.txt (485.00 B)
│ │ │ ├── 平安产险交通出行意外伤害保险(互联网版)产品说明.pdf (81.25 KB)
│ │ │ ├── 平安产险交通工具意外伤害保险(互联网版)条款.pdf (310.35 KB)
│ │ │ ├── 平安附加疾病身故保险条款.pdf (530.33 KB)
│ │ │ ├── 平安境内紧急医疗救援服务条款.pdf (159.07 KB)
│ │ │ ├── 平安企业团体综合意外险(互联网版)适用条款.pdf (292.81 KB)
│ │ │ └── 平安商业综合责任保险(亚马逊).pdf (930.81 KB)
│ │ ├── 资料更新与获取方式.png (493.50 KB)
│ │ ├── langchain-agent-multi-files.py (4.53 KB)
│ │ ├── llamaindex-agent-multi-files.py (5.16 KB)
│ │ ├── qwen-agent-multi-files.py (6.23 KB)
│ │ └── requirements.txt (139.00 B)
│ ├── 笔记20260801.txt (14.20 KB)
│ ├── AI框架设计与选型.mp4 (600.92 MB)
│ └── AI框架设计与选型.pdf (1.53 MB)
├── 10、HuggingFace生态实战:从模型应用到高效微调/ (499.45 MB)
│ ├── CASE-huggingface_cases/ (1.08 MB)
│ │ ├── .ipynb_checkpoints/ (41.65 KB)
│ │ │ ├── 1-情感分析-checkpoint.ipynb (6.01 KB)
│ │ │ ├── 2-文本生成-checkpoint.ipynb (3.86 KB)
│ │ │ ├── 7-垃圾邮件分类器-checkpoint.ipynb (11.45 KB)
│ │ │ └── 8-垃圾邮件分类器-Qwen-checkpoint.ipynb (20.32 KB)
│ │ ├── spam-bert-finetuned/ (493.50 KB)
│ │ │ └── 学习资料领取说明.png (493.50 KB)
│ │ ├── 1-情感分析.ipynb (6.01 KB)
│ │ ├── 1-情感分析.py (975.00 B)
│ │ ├── 2-文本生成.ipynb (3.86 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 (11.45 KB)
│ │ ├── 7-垃圾邮件分类器.py (3.85 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)
│ │ ├── 重要资料查看说明.png (493.50 KB)
│ │ └── requirements.txt (106.00 B)
│ ├── 笔记.md (244.00 B)
│ ├── 笔记20260803.txt (11.55 KB)
│ ├── 历史合集.png (493.50 KB)
│ ├── HuggingFace生态实战:从模型应用到高效微调.pdf (659.76 KB)
│ └── HuggingFace生态实战:从模型应用到高效微调.mp4 (497.23 MB)
├── 11、神经网络基础与Tensorflow实战/ (454.07 MB)
│ ├── code/ (575.91 KB)
│ │ ├── activation_function/ (1.33 KB)
│ │ │ ├── relu1.py (327.00 B)
│ │ │ ├── sigmod1.py (677.00 B)
│ │ │ └── tanh1.py (353.00 B)
│ │ ├── 学习前请先查看.png (493.50 KB)
│ │ ├── boston_model.keras (18.81 KB)
│ │ ├── housing.csv (47.93 KB)
│ │ ├── load_predict.py (1.01 KB)
│ │ ├── numpy_boston.py (2.68 KB)
│ │ ├── numpy_forward.py (1.18 KB)
│ │ ├── numpy_model.py (2.38 KB)
│ │ ├── pytorch_boston.py (2.02 KB)
│ │ ├── requirements.txt (130.00 B)
│ │ ├── scaler.pkl (1001.00 B)
│ │ ├── tensorflow_boston_dataparallel.py (1.89 KB)
│ │ └── tensorflow_boston.py (2.07 KB)
│ ├── 1-神经网络基础与Tensorflow实战.pdf (1.87 MB)
│ ├── 笔记.md (545.00 B)
│ ├── 笔记20260806.txt (6.18 KB)
│ └── 神经网络基础与Tensorflow实战.mp4 (451.63 MB)
├── 12、把A股当代码拆——矩阵分解、因子暴露、概率优势/ (363.91 MB)
│ ├── 把A股当代码拆——矩阵分解、因子暴露、概率优势.mp4 (362.09 MB)
│ ├── 笔记.md (495.00 B)
│ └── 新手必看.zip (1.83 MB)
├── 13、Pytorch与视觉检测/ (578.89 MB)
│ ├── 1-Pytorch与视觉检测.pdf (5.31 MB)
│ ├── 笔记.md (883.00 B)
│ ├── 笔记20260810.txt (5.79 KB)
│ ├── 资料.zip (112.27 MB)
│ ├── 资料更新与获取方式.zip (1.83 MB)
│ └── Pytorch与视觉检测.mp4 (459.48 MB)
├── 14、开发框架相关面试辅导/ (514.52 MB)
│ ├── 笔记.md (1.07 KB)
│ ├── 笔记20260813.txt (9.10 KB)
│ ├── 更多配套资料.png (493.50 KB)
│ ├── 开发框架相关面试辅导.mp4 (507.75 MB)
│ ├── 开发框架相关面试辅导.pdf (1.94 MB)
│ └── 资料.zip (4.34 MB)
├── 15、LLM微调原理/ (424.14 MB)
│ ├── image_svd/ (1.49 MB)
│ │ ├── 256.bmp (1.48 MB)
│ │ └── image_svd.py (928.00 B)
│ ├── MovieLens/ (4.96 MB)
│ │ ├── 更多配套资料.png (493.50 KB)
│ │ ├── 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)
│ ├── 笔记.md (510.00 B)
│ ├── 笔记20260817.txt (8.75 KB)
│ └── LLM微调原理.mp4 (416.39 MB)
├── 16、高质量微调数据工程与评估/ (791.62 MB)
│ ├── 1-高质量微调数据工程与评估.pdf (1.15 MB)
│ ├── 笔记20260823.txt (8.99 KB)
│ ├── 高质量微调数据工程与评估.mp4 (647.58 MB)
│ └── 资料.zip (142.88 MB)
├── 17、LLM模型蒸馏与微调实操/ (550.94 MB)
│ ├── 1-LLM模型蒸馏与微调实操.pdf (2.05 MB)
│ ├── 笔记.md (371.00 B)
│ ├── 笔记20260824.txt (11.31 KB)
│ ├── 资料.zip (23.91 MB)
│ └── LLM模型蒸馏与微调实操.mp4 (524.97 MB)
├── 18、DeepSeek Harness安装入门及原理拆解/ (408.60 MB)
│ ├── 笔记.md (436.00 B)
│ ├── 更多配套资料.png (493.50 KB)
│ └── DeepSeek Harness安装入门及原理拆解.mp4 (408.12 MB)
├── 19、视觉大模型与多模态理解/ (2.48 GB)
│ ├── 笔记.md (371.00 B)
│ ├── 笔记20260827.txt (10.91 KB)
│ ├── 视觉大模型与多模态理解.pdf (7.01 MB)
│ ├── 视觉大模型与多模态理解.mp4 (531.86 MB)
│ └── 资料.zip (1.96 GB)
├── 20、硬核拆解DeepSeek Harness核心能力/ (240.34 MB)
│ ├── 笔记.md (418.00 B)
│ └── 硬核拆解DeepSeek Harness核心能力.mp4 (240.34 MB)
├── 21、AI自己造AI 时代:Agent递归自进化实战/ (412.33 MB)
│ ├── AI Self-Improvement & Recursive Self-Improvement.pdf (19.92 MB)
│ └── AI自己造AI 时代:Agent递归自进化实战.mp4 (392.41 MB)
├── 22、项目实战:AI质检/ (691.27 MB)
│ ├── .openclaw/ (26.32 KB)
│ │ ├── workspace/ (25.36 KB)
│ │ │ ├── .openclaw/ (70.00 B)
│ │ │ │ └── 】workspace-state.json (70.00 B)
│ │ │ ├── memory/
│ │ │ ├── skills/ (12.45 KB)
│ │ │ │ ├── vlm-detect/ (6.54 KB)
│ │ │ │ │ ├── scripts/ (2.90 KB)
│ │ │ │ │ │ └── 】detect.py (2.90 KB)
│ │ │ │ │ ├── 】.env (76.00 B)
│ │ │ │ │ └── 】SKILL.md (3.57 KB)
│ │ │ │ └── yolo-detect/ (5.90 KB)
│ │ │ │ ├── scripts/ (3.26 KB)
│ │ │ │ │ └── 】detect.py (3.26 KB)
│ │ │ │ ├── 】.env (76.00 B)
│ │ │ │ └── 】SKILL.md (2.57 KB)
│ │ │ ├── 】IDENTITY.md (636.00 B)
│ │ │ ├── 】SOUL.md (1.63 KB)
│ │ │ ├── 】TOOLS.md (860.00 B)
│ │ │ ├── 】USER.md (477.00 B)
│ │ │ ├── 】AGENTS.md (7.68 KB)
│ │ │ ├── 】BOOTSTRAP.md (1.44 KB)
│ │ │ └── 】HEARTBEAT.md (168.00 B)
│ │ └── openclaw.json (982.00 B)
│ ├── 1-项目实战:AI质检.pdf (4.15 MB)
│ ├── 笔记.md (521.00 B)
│ ├── 笔记20260831.txt (20.27 KB)
│ ├── 项目实战:AI质检.mp4 (583.82 MB)
│ ├── 学习资料领取说明.zip (1.83 MB)
│ └── CASE-AI质检.zip (101.43 MB)
├── 23、Agent 发展史:从 Prompt 到 Context 再到 Harness/ (471.44 MB)
│ ├── 笔记.md (714.00 B)
│ ├── 配套内容说明.png (493.50 KB)
│ └── Agent 发展史:从 Prompt 到 Context 再到 Harness.mp4 (470.96 MB)
├── 24、模型训练与微调相关面试辅导/ (697.57 MB)
│ ├── CASE-API使用/ (2.18 MB)
│ │ ├── .ipynb_checkpoints/ (516.37 KB)
│ │ │ ├── 】1-表格提取-Qwen-checkpoint.py (1.10 KB)
│ │ │ ├── 】1-表格提取-Qwen-checkpoint.ipynb (13.10 KB)
│ │ │ ├── 】2-GUI操作-Qwen-checkpoint.ipynb (4.82 KB)
│ │ │ ├── 】2-GUI操作-Qwen-checkpoint.py (3.85 KB)
│ │ │ └── 往期资料.png (493.50 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-表格提取-Qwen.ipynb (13.10 KB)
│ │ ├── 】1-表格提取-Qwen.py (1.10 KB)
│ │ └── 重要资料查看说明.png (493.50 KB)
│ ├── 1-模型训练与微调相关面试辅导.pdf (2.06 MB)
│ ├── 笔记.md (1.10 KB)
│ ├── 笔记20260903.txt (17.25 KB)
│ ├── 模型训练与微调相关面试辅导.mp4 (692.83 MB)
│ └── 资料更新与获取方式.png (493.50 KB)
├── 25、Embeddings和向量数据库/ (776.43 MB)
│ ├── 1-Embedding与向量数据库.pdf (1.60 MB)
│ ├── 笔记.md (588.00 B)
│ ├── 笔记20260907.txt (9.87 KB)
│ ├── 资料.zip (9.95 MB)
│ └── Embeddings和向量数据库.mp4 (764.87 MB)
├── 26、RAG技术与应用/ (793.18 MB)
│ ├── 1-RAG技术与应用.pdf (2.17 MB)
│ ├── 笔记.md (517.00 B)
│ ├── 笔记20260910.txt (11.07 KB)
│ ├── 资料.zip (386.27 KB)
│ └── RAG技术与应用.mp4 (790.62 MB)
├── 27、让AI项目从“ demo 惊艳”到“商业成立”的30个评测指标/ (406.16 MB)
│ ├── 笔记.md (534.00 B)
│ ├── 让AI项目从“ demo 惊艳”到“商业成立”的30个评测指标.mp4 (405.67 MB)
│ └── 学习资料更新说明.png (493.50 KB)
├── 28、GPT-6拆解:新模型时代赋予的新机会、新蓝海/ (584.19 MB)
│ ├── GPT-6拆解:新模型时代赋予的新机会、新蓝海.mp4 (583.71 MB)
│ ├── 笔记.md (328.00 B)
│ └── 更多配套资料.png (493.50 KB)
├── 29、RAG多模态数据处理/ (858.14 MB)
│ ├── 1-RAG多模态数据处理.pdf (3.03 MB)
│ ├── 2-NotebookLM使用.pdf (1.68 MB)
│ ├── 笔记.md (387.00 B)
│ ├── 资料.zip (74.65 MB)
│ └── RAG多模态数据处理.mp4 (778.78 MB)
├── 30、RAG高级技术与调优/ (816.86 MB)
│ ├── 1-RAG高级技术与调优.pdf (4.17 MB)
│ ├── 笔记.md (548.00 B)
│ ├── 笔记20260917.txt (7.57 KB)
│ ├── 建议您看一下.png (493.50 KB)
│ ├── 资料.zip (486.39 KB)
│ └── RAG高级技术与调优.mp4 (811.73 MB)
├── 31、项目实战:企业知识库/ (1.17 GB)
│ ├── 1-项目实战:企业知识库.pdf (2.82 MB)
│ ├── 笔记.md (868.00 B)
│ ├── 笔记20260921.txt (15.88 KB)
│ ├── 课程相关资源.zip (1.83 MB)
│ ├── 项目实战:企业知识库.mp4 (1.09 GB)
│ └── 资料.zip (71.16 MB)
├── 32、Agent运行的内核:ReAct Loop和自定义任务处理模式/ (666.63 MB)
│ ├── 课程相关资源.png (493.50 KB)
│ └── Agent运行的内核:ReAct Loop和自定义任务处理模式.mp4 (666.15 MB)
├── 33、风靡全网的Jev模型是如何工作的/ (210.67 MB)
│ ├── 笔记.md (298.00 B)
│ ├── 风靡全网的Jev模型是如何工作的.mp4 (210.19 MB)
│ └── 往期资料.png (493.50 KB)
├── 34、部分场景中可以取代RAG的技术/ (407.46 MB)
│ ├── 笔记.md (455.00 B)
│ ├── 部分场景中可以取代RAG的技术.mp4 (403.80 MB)
│ ├── 建议您看一下.png (493.50 KB)
│ ├── 可能替代RAG的技术.pdf (2.32 MB)
│ └── Agentic Search Qwen.zip (882.08 KB)
└── 35、LLM Wiki/ (750.63 MB)
├── 笔记.md (657.00 B)
├── 建议您看一下.zip (1.83 MB)
├── LLM Wiki.zip (2.76 MB)
└── LLM Wiki.mp4 (746.04 MB)
侵权联系与免责声明: 1、本站资源所有内容均收集于网络,与本网站立场无关 2、本站所有资源收集于互联网,由用户分享,该帖子作者与IT课程网不享有任何版权,如有侵权请联系本站删除 3、本站部分内容转载自其它网站,但并不代表本站赞同其观点和对其真实性负责 4、如本帖侵犯到任何版权问题,请立即告知本站,本站将及时予与删除并致以最深的歉意。如有侵权请联系联系客服QQ:1960026872或登录本站账号进入个人中心提交工单留言反馈,我们将第一时间处理!
