【全100集】2025最新版大模型入门学习教程！告别盲目自学！从此少走99%弯路！全程干货无废话！学完即可自就业！！
451播放
2048
103
2025-11-14 13:56:57
未经作者授权，禁止转载
30
24
122
5
课程总结
收起全部章节
关闭课程总结
暂无课程总结
【2025最新版】带你7天学懂LangChain，搞定RAG+Agent开发教程，从零搭建企业级AI知识库，手把手教你用大模型构建智能问答系统，学完立马涨薪！附完整代码+实战案
厚台回复：“999”整理好的视频配套学习笔记、大模型全套籽料即可获取哦
关注 4.8万
AI-智能体搭建教程
33/232
加载中...
【前言】大模型学习路线
00:44
【预习课】1.大模型的演变与概念
22:07
【基础篇】2.大模型的使用与训练
05:38
【基础篇】3.大模型的特点与分类
10:00
【基础篇】4.大模型的工作流程
11:09
【基础篇】5.大模型的应用
04:42
【基础篇】1.AI大模型的使用
36:38
【基础篇】2.大模型的本地部署和优化
22:46
【基础篇】3.通过调用API使用大模型
06:53
【基础篇】4.搭建本地知识库、AI辅助编程实战
58:28
【基础篇】5.大模型辅助生物信息分析实战
51:43
【进阶篇】6.AI Agent 导论篇
03:28
【进阶篇】7.Agent概念、组成与决策
09:08
【进阶篇】8.Agent决策应用场景分析
07:58
【进阶篇】9.Agent规划子任务拆解_COT与TOT
13:21
【进阶篇】10.思维树24点拓展与react框架
16:42
【进阶篇】11.Agent记忆(memory)
11:20
【进阶篇】12.Agent工具使用介绍
03:26
【进阶篇】13.Agent认知框架之Plan-and-Execute
11:55
【进阶篇】14.self-Ask
10:16
【进阶篇】15.Thinking and Self-Refection
07:58
【进阶篇】16.ReAct框架案例实现
09:57
【进阶篇】17.ReAct RAG Agent
11:20
【进阶篇】18.Agent数字人项目1
15:25
【进阶篇】19.Agent数字人项目2
09:25
【基础篇】20.什么是提示工程
04:52
【基础篇】21.Prompt的组成元素
07:21
【基础篇】22.OpenAI调用
05:39
【基础篇】23.少样本提示
05:17
【基础篇】24.思维链COT
07:50
【基础篇】25.Ltm提示方法
07:21
【基础篇】26.思维树TOT
10:59
【基础篇】27.思维树算24数代码落地
07:04
【基础篇】28.Prompt的攻击与防护
06:39
30-大模型之RAG-RAG介绍
10:49
31-大模型之RAG-RAG工作流程介绍
06:12
32-大模型之RAG-RAG系统搭建流程(上)
07:48
33-大模型之RAG-RAG系统搭建流程(下)
06:20
34-大模型之RAG-Embeddings处理
10:18
35-大模型之RAG-向量间相似度计算
10:35
36-大模型之RAG-文档的加载和分割
10:51
37-大模型之RAG-关键字搜索
14:35
38-大模型之RAG-向量数据库介绍
04:51
39-大模型之RAG-基于向量检索的RAG实现
09:46
40-大模型之RAG-阿里云百炼-应用讲解(上)
15:24
41-大模型之RAG-阿里云百炼-应用讲解(下)
06:57
42-大模型之RAG-智普RAG应用讲解
12:17
43-大模型之RAG-Google的NoteBook应用讲解
06:05
44. 大模型之RAG：本地向量库-向量持久化
08:40
45. 大模型之RAG：本地向量库-LLM整合
08:28
46-大模型之RAG-RAG的缺陷介绍
12:37
47-大模型之RAG-RAG指标评估
07:35
48-大模型之LangChain-虚拟环境(上)
10:06
49-大模型之LangChain-虚拟环境(下)
05:51
50-大模型之LangChain-LangChain的基本介绍
09:21
51-大模型之LangChain-基本和提示词模板
09:40
52-大模型之LangChain-输出结果解析器
10:52
53-大模型之LangChain-RAG+LangChain实现
10:51
54-大模型之LangChain-Model-介绍
04:30
55-大模型之LangChain-Model-提示词模板-基本使用
10:57
56-大模型之LangChain-Model-提示词模版-ChatPromptTemplate(上)
07:18
57-大模型之LangChain-Model-提示词模版-ChatPromptTemplate(下)
06:05
58-大模型之LangChain-Model-提示词模版-少样本案例模版
08:58
59. 大模型之LangChain：Model-语言模型-介绍
06:47
60. 大模型之LangChain：Model-语言模型-智普大模型接入
04:17
61. 大模型之LangChain：Model-语言模型-MoonShot和通义千问集成
08:21
62. 大模型之LangChain：Model-聊天模型
05:00
63. 大模型之LangChain：Model-输出解析器
05:01
64. 大模型之LangChain：Model-文本嵌入模型
06:38
65-大模型之LangChain-Chain链-基本应用
09:26
66-大模型之LangChain-Chain链-案例介绍
05:35
67-大模型之LangChain-chain链-链的调用
06:46
68-大模型之LangChain-chain链-官方工具链介绍(上)
15:09
69-大模型之LangChain-chain链-官方工具链介绍(下)
09:47
70-大模型之LangChain-RAG-文档加载和文档切割
09:42
71-大模型之LangChain-RAG-文本向量化和向量存储
06:42
72-大模型之LangChain-RAG-检索器和完整RAG案例
10:16
73.Ollama+AnythingLLM 安装部署使用教程
18:20
74.Dify+Ollama+Docker 安装部署实操指南
18:26
75.DeepSeek+向量模型的使用和选择
14:28
76.Xinference 本地模型加载
13:54
77.FastGPT+Xinference安装和使用
23:20
78.FastGPT+Xinference肿瘤医生问答系统
10:23
79.Embedding模型讲解 (小白也能懂)
22:21
80.Reranker 重排序模型：RAG 系统的“智能质检员”
15:01
81.RAG十大误区和提高准确率(小白能懂)
24:24
83.RAG温度设置分析和讲解
15:44
【动画版】极速3小时带你零代码搞定实战项目开发部署动画版教程，基于AI完成项目的设计、开发、测试、联调、部署全流程,手把手教你玩转AI项目！建议收藏！
527播放
1-课程导学
10:09
2-项目环境准备
09:50
3-项目设计-数据库设计（DeepSeek）
24:40
4-项目设计-数据库检测（DeepSeek）
07:52
5-项目设计-接口设计（DeepSeek）1
11:23
6-项目设计-接口设计（DeepSeek）2
08:08
7-项目开发-服务器端（Cursor+idea）接口开发（部门管理）
15:54
8-项目开发-服务器端（Cursor+idea）接口开发（员工管理）
10:32
9-项目开发-前端（Cursor+idea）页面布局
13:17
10-项目开发-前端（Cursor+idea）部门管理
09:38
7. 【进阶篇】6.AI Agent 导论篇
03:28
8. 【进阶篇】7.Agent概念、组成与决策
09:08
9. 【进阶篇】8.Agent决策应用场景分析
07:58
10. 【进阶篇】9.Agent规划子任务拆解_COT与TOT
13:21
11. 【进阶篇】10.思维树24点拓展与react框架
16:42
12. 【进阶篇】11.Agent记忆(memory)
11:20
13. 【进阶篇】12.Agent工具使用介绍
03:26
14. 【进阶篇】13.Agent认知框架之Plan-and-Execute
11:55
15. 【进阶篇】14.self-Ask
10:16
16. 【进阶篇】15.Thinking and Self-Refection
07:58
17. 【进阶篇】16.ReAct框架案例实现
09:57
18. 【进阶篇】17.ReAct RAG Agent
11:20
19. 【进阶篇】18.Agent数字人项目1
15:25
20. 【进阶篇】19.Agent数字人项目2
09:25
21. 【基础篇】20.什么是提示工程
04:52
22. 【基础篇】21.Prompt的组成元素
07:21
23. 【基础篇】22.OpenAI调用
05:39
24. 【基础篇】23.少样本提示
05:17
25. 【基础篇】24.思维链COT
07:50
26. 【基础篇】25.Ltm提示方法
07:21
27. 【基础篇】26.思维树TOT
10:59
28. 【基础篇】27.思维树算24数代码落地
07:04
29. 【基础篇】28.Prompt的攻击与防护
06:39
30-大模型之RAG-RAG介绍
10:49
31-大模型之RAG-RAG工作流程介绍
06:12
32-大模型之RAG-RAG系统搭建流程(上)
07:48
33-大模型之RAG-RAG系统搭建流程(下)
06:20
34-大模型之RAG-Embeddings处理
10:18
35-大模型之RAG-向量间相似度计算
10:35
36-大模型之RAG-文档的加载和分割
10:51
37-大模型之RAG-关键字搜索
14:35
38-大模型之RAG-向量数据库介绍
04:51
39-大模型之RAG-基于向量检索的RAG实现
09:46
40-大模型之RAG-阿里云百炼-应用讲解(上)
15:24
41-大模型之RAG-阿里云百炼-应用讲解(下)
06:57
42-大模型之RAG-智普RAG应用讲解
12:17
43-大模型之RAG-Google的NoteBook应用讲解
06:05
44. 大模型之RAG：本地向量库-向量持久化
08:40
45. 大模型之RAG：本地向量库-LLM整合
08:28
46-大模型之RAG-RAG的缺陷介绍
12:37
47-大模型之RAG-RAG指标评估
07:35
48-大模型之LangChain-虚拟环境(上)
10:06
49-大模型之LangChain-虚拟环境(下)
05:51
50-大模型之LangChain-LangChain的基本介绍
09:21
51-大模型之LangChain-基本和提示词模板
09:40
52-大模型之LangChain-输出结果解析器
10:52
53-大模型之LangChain-RAG+LangChain实现
10:51
54-大模型之LangChain-Model-介绍
04:30
55-大模型之LangChain-Model-提示词模板-基本使用
10:57
56-大模型之LangChain-Model-提示词模版-ChatPromptTemplate(上)
07:18
57-大模型之LangChain-Model-提示词模版-ChatPromptTemplate(下)
06:05
58-大模型之LangChain-Model-提示词模版-少样本案例模版
08:58
59. 大模型之LangChain：Model-语言模型-介绍
06:47
60. 大模型之LangChain：Model-语言模型-智普大模型接入
04:17
61. 大模型之LangChain：Model-语言模型-MoonShot和通义千问集成
08:21
62. 大模型之LangChain：Model-聊天模型
05:00
63. 大模型之LangChain：Model-输出解析器
05:01
64. 大模型之LangChain：Model-文本嵌入模型
06:38
65-大模型之LangChain-Chain链-基本应用
09:26
66-大模型之LangChain-Chain链-案例介绍
05:35
67-大模型之LangChain-chain链-链的调用
06:46
68-大模型之LangChain-chain链-官方工具链介绍(上)
15:09
69-大模型之LangChain-chain链-官方工具链介绍(下)
09:47
70-大模型之LangChain-RAG-文档加载和文档切割
09:42
71-大模型之LangChain-RAG-文本向量化和向量存储
06:42
72-大模型之LangChain-RAG-检索器和完整RAG案例
10:16
73.Ollama+AnythingLLM 安装部署使用教程
18:20
74.Dify+Ollama+Docker 安装部署实操指南
18:26
75.DeepSeek+向量模型的使用和选择
14:28
76.Xinference 本地模型加载
13:54
77.FastGPT+Xinference安装和使用
23:20
78.FastGPT+Xinference肿瘤医生问答系统
10:23
79.Embedding模型讲解 (小白也能懂)
22:21
80.Reranker 重排序模型：RAG 系统的“智能质检员”
15:01
81.RAG十大误区和提高准确率(小白能懂)
24:24
83.RAG温度设置分析和讲解
15:44
炸裂！这绝对是目前B站最全企业级大模型实战教程，大模型落地全流程拆解！从0到1搭建生产级AI系统，包含初中高级，适合各个阶段实操使用！建议码住收藏！学完即可就业
429播放
1. 项目1-一键本地搭建大模型+知识库
06:00
2. 项目2-chatglm3-6B微调（部署篇）
12:42
3. 项目3-chatglm3微调（输入输出微调）
10:13
4. 项目4-chatglm微调（多轮对话微调）
16:18
5. 项目5-智能销售大模型（部署过程）
11:19
6. 项目6-智能销售大模型（如何使用）上
17:42
7. 项目7-智能销售大模型（如何使用）下
15:29
8. 项目8-智能销售大模型（项目介绍）
08:02
9. 项目9-阿里pai的概述
03:02
10. 项目10-进入PAI平台
04:57
11. 项目11-开通PAI平台
03:18
12. 项目12-领取免费使用资源
01:47
13. 项目13-完成阿里云的实名认证
03:38
14. 项目14-注册阿里云账号
04:08
15. 项目15-导包项目必要的包
03:19
16. 项目16-分析模型预测出来的结果
01:34
17. 项目17-构建init_prompts函数
09:09
18. 项目18-构造main函数
08:08
19. 项目19-模型训练
14:05
20. 项目20-实现该项目的硬件配置
04:15
21. 项目21-文本分类的任务介绍
01:44
22. 项目22-项目的准备工作
05:29
23. 项目23-项目介绍
03:24
24. 项目24-automodel,autotokenizer的使用
12:08
25. 项目25-console包介绍
02:38
26. 项目26-print包的介绍
06:06
27. 项目27-prompt的设计
02:11
28. 项目28-导入工具包和前置工作
07:00
29. 项目29-模型开始训练
12:04
30. 项目30-模型训练的准备工作
06:43
31. 项目31-模型训练的prompt数据整理思路
08:59
32. 项目32-模型训练结果
02:43
33. 项目33-模型训练结果数据清洗
01:44
34. 项目34-使用代码实现prompt提示词
16:43
35. 项目35项目7-项目的准备工作
01:03
36. 项目36项目7-项目介绍
01:55
37. 项目37-正则表达式的案例讲解
03:47
38. 项目38-正则表达式的基本语法
11:38
39. 项目39-正则表达式的进阶用法
07:25
40. 项目40-JSON字符串
08:17
41. 项目41-LLM信息抽取项目的任务目标
02:28
42. 项目42项目7-prompt的设计
03:39
43. 项目43项目8-构建init_prompts函数
08:20
44. 项目44-模型预测
05:06
45. 项目45-模型预测结果分析
01:15
46. 项目46项目8-项目的准备工作
03:09
47. 项目47项目8-项目介绍
02:05
48. 项目48-项目所需配置
00:56
49. 项目49-准备模型训练
05:36
50. 项目50-LLM信息匹配任务介绍
02:20
51. 项目51-prompt的设计思想
01:57
52. 项目52-prompts的设计思路
04:18
53. 项目53-python当中的解包
06:52
54. 1-dify结合Deepseek操作(上)
08:23
55. 2-dify结合Deepseek操作(中)
04:27
56. 3-dify结合Deepseek操作(下)
06:46
57. 4-dify案例讲解-智能助手加翻译机器人
10:13
58. p5
06:17
59. 6-dify案例讲解-AI图片生成
11:04
60. 7-dify案例讲解-旅游助手
05:56
61. p8
09:04
62. 9-dify案例讲解-工作流-翻译工具插件开发
14:39
63. 10-dify案例讲解-工作流-如何写出有吸引力的标题
07:03
64. 11-dify案例讲解-工作流-知识库检索和图片展示
08:52
65. 12-dify案例讲解-工作流-自然语言转SQL并执行生成结果
11:45
66. 13-dify案例讲解-工作流-echarts可视化助手
08:13
67. 14-如何用DeepSeek+Kimi快速生成PPT来提升你的工作效率
10:08
68. 15-dify案例讲解-工作流-如何高效的实现文生图效果
12:41
69. 16-dify案例讲解-工作流-小说故事加角色生成
09:02
70. p17
09:58
71. 18-dify案例讲解-工作流-爬取小说转语音
20:26
72. 19-dify案例讲解-工作流-自然语音转SQL并执行
07:28
73. 20-Dify案例-工作流-爆改小红书热门案例
11:06
74. p21
06:43
75. 22-Dify案例-自然语言转SQL并执行和分析数据加可视化展示
18:02
强推！B站最硬核Spring AI实战教程，72集全免费！从入门到部署，学不会来锤我！Java转行大模型开发者必看！！！
590播放
01.课程简介
02:07
02.技术概述
05:10
03.快速入门
19:27
04.聊天模型-ChatClient（实现简单对话）
13:02
05.聊天模型-ChatClient（实现角色预设）
09:19
06.聊天模型-ChatClient（实现流式响应）
08:21
07.聊天模型-ChatModel（实现简单对话）
11:26
08.聊天模型-ChatModel（提示词）
17:48
09.函数调用
19:10
10.调用Ollama-下载并安装Ollama
06:26
11.调用Ollama-代码实现
08:38
12.Spring AI Alibaba
15:49
13.图像模型
15:30
14.语音模型
15:18
15.实现RAG-基本概念（向量化和RAG）
11:03
16.实现RAG-代码实现
15:00
17.综合案例-需求和步骤分析
06:19
18.综合案例-代码实现
22:40
19.课程总结
10:45
【2025最新版】带你7天学懂LangChain，搞定RAG+Agent开发教程，从零搭建企业级AI知识库，手把手教你用大模型构建智能问答系统，学完立马涨薪！
1.基于LangChain企业知识助手实践
1.基于LangChain企业知识助手实践
03:38
2.什么是RAG？
30:58
3.RAG Pipline与实践
01:07:41
4.Advanced RAG
18:53
02-什么是LangChain_有哪些常用的LLM框架
10:15
03-为什么使用LangChain？
12:21
04-LangChain的整体架构设计
06:37
05-开发前的准备工作与环境搭建
10:15
06-基于RAG架构的开发
08:05
07-基于Agent架构的开发
05:51
08-大模型应用开发的4个场景
04:26
09-LangChain核心模块剖析与HelloWorld实现
15:44
10-大模型的分类与按照功能分类的演示
18:26
11-硬编码的方式调用对话&非对话模型
14:34
12-使用环境变量_配置文件的方式调用大模型
18:19
13-通过OpenAI、百度千帆平台调用大模型
08:09
14-通过阿里云百炼、智谱、硅基流动调用大模型
13:57
15-模型调用的总结
04:52
16-关于对话模型调用消息列表
20:06
17-关于多轮对话与上下文记忆
08:49
18-阻塞式invoke()和流式stream()的调用
09:09
19-了解：批量调用与同步异步方法的调用
13:02
20-提示词模板的理解
10:09
21-PromptTemplate实例化方式1：使用构造方法
08:37
22-PromptTemplate实例化方式2：from_template()
03:32
23-部分提示词变量赋值的两种方式
11:32
24-format()与invoke()的对比及大模型的调用
11:46
25-ChatPromptTemplate实例化的两种方式
13:57
26-模板调用的4种方法及对比
10:42
27-6种不同的实例化参数使用举例
19:56
28-举例4和举例6的再说明
03:11
29-调用大模型_MessagesPlaceholder的使用
16:38
30-FewShotPromptTemplate的使用
16:12
31-FewShotChatMessagePromptTemplate的使用
07:03
32-Example selectors示例选择器的使用
09:21
33-PiplinePromptTemplate的使用_从物理磁盘读取提示词
05:32
34-输出解析器概述_StrOutputParser的使用
10:42
35-JsonOutputParser的使用
12:43
36-带管道符的chain结构的使用
03:54
37-XMLOutputParser的使用
11:57
38-了解CSV和Datetime的输出解析器
06:18
39-LangChain调用本地大模型
16:51
40-Chain的理解与举例
11:51
41-最基础的LLMChain的使用
11:31
42-顺序链之SimpleSequentialChain的使用
13:41
43-顺序链之SequentialChain的使用
17:08
44-了解：数学链、路由链、文档链
05:58
45-新型Chain之create_sql_query_chain的使用
15:34
46-新型Chain之create_stuff_documents_chain的使用
03:58
47-为什么需要Memory模块
06:30
48-自定义的方式实现大模型的记忆功能
12:47
49-Memory的设计思路_ChatMessageHistory的使用
09:15
50-记录完整历史会话的ConversationBufferMemory的使用1
09:42
51-记录完整历史会话的ConversationBufferMemory的使用2
14:11
52-简化历史完整记录使用的ConversationChain
07:48
53-记录最近k条消息的ConversationBufferWindowMemory的使用
11:28
54-通过Token限制记忆的ConversationTokenBufferMemory的使用
06:37
55-保存历史摘要的ConversationSummaryMemory的使用
10:15
56-混合记忆ConversationSummaryBufferMemory的使用
15:09
57-提取实体的ConversationEntityMemory的使用
08:10
58-提取为知识图谱的ConversationKGMemory的使用
02:18
59-基于向量存储VectorStoreRetrieverMemory的使用
07:32
60-Tool的要素与实操步骤
10:03
61-定义工具方式1：使用@tool装饰器
09:57
62-定义工具方式2：使用StructuredTool.from_function()
08:38
63-大模型分析工具的调用举例
12:16
64-大模型分析出的工具如何调用
12:36
65-Agent的理解
14:35
66-Agent和AgentExecutor的两种创建方式
12:02
67-传统方式之ReAct模式进行单工具调用
16:53
68-传统方式之FUNCTION_CALL模式进行单工具调用
03:29
69-传统方式之ReAct和FUNCTION_CALL两种模式进行多工具调用
05:28
70-传统方式之自定义函数与工具
03:28
71-通用方式之FUNCTION_CALL模式的调用
12:22
72-通用方式之ReAct模式的调用
11:17
73-工具调用中传统方式和通用方式的小结
03:12
74-以ReAct模式为例说明传统方式嵌入记忆
14:47
75-AgentType的ZERO_SHOT_REACT_DESCRIPTION情况源码分析
02:15
76-通用方式中使用FUNCTION_CALL模式嵌入记忆
06:51
77-通用方式中使用ReAct模式嵌入记忆
11:46
78-Retrieval模块的设计意义
11:14
79-Retrieval的整体流程说明
10:07
80-熟悉不同的文档加载器_Txt文档的加载
13:08
81-PDF和CSV格式文档的加载
09:05
82-JSON格式文档的加载
13:21
【2025最新】AI Agent从入门到精通实战教程！手把手教你打造自己的智能体，一次性搞懂大模型智能体开发，学完薪资翻倍！
3758播放
【认知篇】Agent概念、原理与构建
24:53
【认知篇】Prompt, Agent, MCP 是什么
12:23
【认知篇】写一个AI Agent
10:35
1. 【Agent应用案例1-基础】使用CrewAI+FastAPI打造多Agent协作应用并对外提供API服务，支持gpt、通义千问、Ollama本地大模型对
39:01
2. 【Agent应用案例2-进阶】技术研究员智能体案例，Agent支持调用外部工具，CrewAI+FastAPI打造多Agent协作应用并对外提供API服务
20:42
3. 【Agent应用案例3-进阶】健康档案助手智能体案例，Agent调用外部工具使用RAG，CrewAI+FastAPI打造多Agent协作应用并对外提供AP
33:03
4. 【Agent应用案例4-进阶】多个Agent协作完成高效软件编码，CrewAI+FastAPI打造多Agent协作应用并对外提供API服务
13:26
5. 【Agent应用案例5-进阶】让任务以JSON数据格式并最终任务以JSON格式输出，CrewAI+FastAPI打造多Agent协作应用并对外提供API服
15:52
6. 【Agent应用案例6-进阶】在任务执行中做HumanFeedback(人类反馈)，CrewAI+FastAPI打造多Agent协作应用并对外提供API服
08:19
7. 快速搭建AI Agent工作流，硬核干货源码共享，CrewAI中Pipelines功能实操、源码剖析，同时支持gpt大模型、主流国产大模型、本地开源大模型
31:44
8. 快速搭建AI Agent复杂工作流，硬核干货源码共享，CrewAI中Flows核心功能实操、源码剖析，同时支持gpt大模型、主流国产大模型、本地开源大模型
26:51
9. 13个应用案例带你轻松搞定CrewAI新版本功能Knowledge，打造Agent智能体专属知识库，支持TXT、PDF、CSV、Excel、JSON、混合
34:20
10. OpenAI's Swarm开源Agent框架，带你代码中感受它的核心设计思想，Routines和Handoffs核心概念介绍，测试用例
39:49
11. 微软AutoGen开源Agent框架亲测真的很强，全新重构版本0.4版本抢先体验，带你代码中感受它的核心设计思想，核心概念介绍，测试用例
46:45
12. 国产之光？MetaGPT多智能体开源框架，重塑自然语言编程，亲测真的很不错，设计理念拆解很清晰，带你代码中感受它的核心设计思想，核心概念介绍，测试用例
45:26
13. PydanticAI开源框架，搭建基于PostgreSQL、MySQL的Text2SQL应用进行SQL语句生成，支持GPT大模型、国产大模型、开源本地大
32:35
14. 微软Agent开源框架AutoGen正式发布全新重构版本V0.4稳定版本，分层架构设计，存在多套软件接口用以满足不同的场景需求，核心概念介绍，测试用例
28:45
15. 微软Agent开源框架AutoGen Studio低代码开发平台，原型功能验证的好帮手，分层架构设计，存在多套软件接口用以满足不同的场景需求
17:33
16. 微软AutoGen开源框架Extensions扩展库，LangChain工具库集成，与第三方服务或库集成，分层架构设计，存在多套软件接口用以满足不同的场
16:49
17. 微软Agent开源框架AutoGen全新重构V4稳定版本发布后第一次重大更新V0.4.3，使用缓存系统提高大模型的响应效率、集成调用GraphRAG
19:26
18. 微软Agent开源框架AutoGen全新重构V4稳定版本重大更新V0.4.5，提供流式模型输出服务，支持DeepSeek R1式推理输出
12:43
19. 微软Agent开源框架AutoGen全新重构V4稳定版本重大更新V0.4.6，MCP服务调用和HTTP API调用，Ollama本地部署DeepSeek
21:06
20. OpenAI Agents SDK开源框架发布，实验性框架Swarm的升级生产级版本，专为构建智能代理（AI Agents）的轻量级且生产就绪的开发工具
20:48
别再看碎片化教程了！LangChain全套保姆级课程，7天高效掌握核心技能，轻松开发智能问答/知识库/Agent系统！
759播放
1. 01-为什么要学习LangChain
28:19
2. 02-LangChain的架构
18:30
3. 03-开发前的准备工作
08:28
4. 04-RAG的架构和执行流程
23:41
5. 05-Agent的架构
25:51
6. 06-大模型开发场景的选择
05:59
7. 07-LangChain几个模块使用的HelloWorld
34:57
8. 08-如何导入现有的某个虚拟环境
01:58
9. 08-如何导入现有的某个虚拟环境1
04:26
10. 09-如何导入现有的某个虚拟环境1
03:11
11. 10-非对话模型与对话模型的举例
24:35
12. 11-调用OpenAI的API和LangChain的API的方式
29:33
13. 12-LangChain如何调用对话模型
09:42
14. 13-其它平台如何调用大模型
29:42
15. 14-大模型调用的总结
04:43
16. 15-对话模型中消息的使用
19:43
17. 16-多种方法调用的演示
25:05
18. 01-复习
17:20
19. 02-昨天关于消息的一个问题的解释
07:50
20. 03-PrompTemplate的两种实例化方式
22:01
21. 04-partial_variables和partial()的使用
12:33
22. 05-format()与invoke()的对比
11:58
23. 06-结合大模型的调用
09:21
24. 07-ChatPromptTemplate的实例化方式
13:33
25. 08-ChatPromptTemplate的几个方法的调用对比
10:31
26. 09-ChatPromptTemplate的几种不同的参数使用情况
21:27
27. 10-结合大模型的调用
10:37
28. 11-MessagesPlaceholder的使用
06:43
29. 12-FewShotPromptTemplate的使用
14:53
30. 13-FewShotChatMessagePromptTemplate的使用
07:29
31. 14-PiplinePrompTemplate与物理磁盘读取提示词模板
11:38
32. 15-StrOutputParser的使用
19:28
33. 16-JsonOutputParser的使用
17:28
34. 17-其它输出解析器的使用
09:58
35. 18-安装Ollama，并调用本地私有大模型
13:17
36. 【整理不易‖免费奉上：cunlove.cn】
15:18
37. 01-强调一下LangChain的整体实现
20:58
38. 02-LCEL语法中Chain的使用
17:50
39. 03-LLMChain的使用
18:24
40. 04-SimpleSequentialChain的使用
16:30
41. 05-SequentialChain的使用
16:29
42. 06-传统的几个Chain的介绍
10:17
43. 07-基于LCEL语法的新的chain的使用
27:21
44. 08-Memory模块的介绍
11:31
45. 09-ChatMessageHistory的使用
15:23
46. 10-ConversationBufferMemory的基本使用
15:48
47. 11-基于PromptTemplate的ConversationBufferMemory的使用
15:15
48. 12-基于ChatPromptTemplate的ConversationBufferMemory的使用
13:00
49. 13-ConversationChain的使用
13:26
50. 14-ConversationBufferWindowMemory的使用
18:46
51. 16-使用StructuredTool的方式定义工具
04:45
52. 17-工具使用的举例
09:59
53. 01-几个其他的Memory的说明
08:07
54. 02-智能体的概述
18:39
55. 03-创建Agent和AgentExecutor的创建方式和AgentTpe的说明
21:40
56. 04-创建Agent和AgentExecutor的流程
02:38
57. 05-案例1：传统方式中的React模式
14:45
58. 06-案例1：传统方式中的FUNCTION_CALL模式
03:20
59. 07-案例2：传统方式中的React模式（多工具的调用）【耗时整理‖免费分享：CuNlOVE.cn】
12:56
60. 08-案例2：传统方式中的FUNCTION_CALL模式（多工具的调用）
02:24
61. 09-案例3：自定义函数的调用
03:48
62. 10-案例4：通用方式中的FUNCTION_CALL模式
14:45
63. 11-案例4：通用方式中的React模式
17:38
64. 12-关于提示词的再说明
05:42
65. 13-方式1：传统的方式体现Memory的使用
25:12
66. 14-方式2：通用的方式体现Memory的使用
19:25
67. 15-RAG的理解与整体的流程
23:27
68. 16-文档加载器的使用
21:56
【AI大模型实战】1小时彻底掌握Prompt Engineering！深入浅出，，草履虫都能学会的AI核心技能丨大模型/LLM实战
981播放
1、什么是提示工程(PromptEngineering)
24:07
2、Prompt 的典型构成.aud
52:26
3、进阶技巧.aud
13:53
4、防止 Prompt 攻击.aud
06:29
5、内容审核：Moderation APl.aud
01:54
6、OpenAIAPI的几个重要参数.aud
08:26
7、用 GPTs 帮我们写 prompt.aud
06:50
8、课程总结.aud
20:55
【全500集】大模型实战合集！原理+Prompt+微调+Agent+RAG，一套搞定所有！建议收藏，错过再等一年！
990播放
【大模型先导片】
00:43
1、究竟什么是大模型？
18:24
2、AI大模型与提示词的应用
06:31
3、通过提示词提升回答质量
17:20
4、如何有效地提示推理模型
06:19
5、借助大模型API自动化处理任务
09:20
6、通过插件增强大模型能力
14:51
7、什么是提示工程
04:52
8、Prompt的组成元素
07:21
9、OpenAI调用
05:39
10、少样本提示
05:17
11、思维链COT
07:50
12、Ltm提示方法
07:21
13、思维树TOT
10:59
14、思维树算24数代码落地
07:04
15、Prompt的攻击与防护
06:39
16、LangChain系统教程1 - 基本架构和环境配置
10:03
17、LangChain系统教程2 - 模型IO
23:11
18、LangChain系统教程3 - 检索外部数据
11:03
19、【Agent】Agent概念、组成与决策
09:08
20、Agent决策应用场景分析
07:58
21、Agent规划子任务拆解_COT与TOT_
13:21
22、思维树24点拓展与react框架
16:42
23、Agent记忆(memory)
11:20
24、Agent工具使用介绍
03:26
25、Agent代码初体验、工具使用、记忆添加
20:52
26、Agent认知框架之Plan-and-Execute
11:55
27、self-Ask
10:16
28、Thinking and Self-Refection
07:58
29、ReAct框架案例实现
09:57
30、ReAct RAG Agent
11:20
31、Agent+RAG个性化定制数字人项目
15:25
32、【Agent】Agent+RAG个性化定制数字人项目2
09:25
33、【RAG】什么是RAG？
04:50
34、RAG的原理
02:09
35、RAG应用案例：阿里云AI助理
02:45
36、动手实验1-创建RAG应用
05:06
37、动手实验2-连接钉钉机器人
12:48
38、提升索引准确率
07:40
39、让问题更好理解
05:58
40、改造信息抽取途径
03:47
41、loader：让大模型具备实时学习的能力
18:51
42、文档转换实战：文档切割
17:38
43、文档转换实战：总结精炼和翻译
11:05
44、Lost in the middle 长上下文精度处理问题
19:51
45、文本向量化实现方式
12:31
46、与AI共舞的向量数据库
16:30
47、Chatdoc 又一个智能文档助手（上）
15:24
48、Chatdoc 又一个智能文档助手（下）
14:10
49、ChatDoc 几种检索优化的方式
22:29
50、ChatDoc 与文件聊天交互
12:13
51、【RAG】本章小结
02:46
52、【微调实战】Standford Alpaca 的介绍
17:41
53、self - instruct 的代码解读
15:38
54、Alpaca 7B的微调过程
11:14
55、self - instruct 代码的详细过程
10:59
56、Standford Alpaca 微调代码拆解：微调方式
07:57
57、Standford Alpaca 微调代码拆解：train .
09:09
58、垂直领域微调的方式
05:00
59、Huggingface的Transformer库
09:32
60、Alpaca-LoRA-消费级显卡的Lora微调
09:54
61、DeepSpeed-Chat的LoRA源码解读
09:17
62、基于Huggingface的Peft框架的Lora微调方式
05:25
63、Alpaca所用的self-instruct的影响力
06:33
64、Alpaca-LoRA微调过程
18:32
65、LLaMA2相比LLaMA1的改进
07:31
66、LLaMA2的分组查询注意力（GQA）
07:49
67、LLaMA2-Chat中的RLHF：三阶段训练方式
11:51
68、ChatGLM-6B的数据处理及文件准备
19:10
69、ChatGLM-6B的部署及微调过程
16:31
70、微调方法—Freeze方法
04:45
71、微调方法—prefix-tuning与prompt tuning方
10:51
72、微调方法—P-tuning V1方法
08:07
73、微调方法—P-tuning V2方法
06:04
74、微调方法—Lora方法
11:22
75、微调方法—QLora方法
13:49
76、LLM微调经验分享
03:39
77、评估基准C - EVAL及ChatGLM2 - 6B的改进
08:20
78、ChatGLM2 - 6B的部署推理过程
08:40
79、基于P - Tuning V2微调ChatGLM2 - 6B
16:30
80、通义千问—Qwen - 7B模型的特点
09:17
81、Qwen-7B-Chat模型的微调数据构成
04:27
82、Qwen - 7B - Chat 模型的ReAct Prom
03:23
83、【微调实战】ReAct代码示例
18:01
84、【Deepseek打造RAG知识库】Ollama+AnythingLLM 安装部署使用教程
18:20
85、【Deepseek打造RAG知识库】Dify+Ollama+Docker 安装部署实操指南
18:26
86、【Deepseek打造RAG知识库】DeepSeek+向量模型的使用和选择
14:28
87、【Deepseek打造RAG知识库】Xinference 本地模型加载
13:54
88、【Deepseek打造RAG知识库】FastGPT+Xinference安装和使用
23:20
89、【Deepseek打造RAG知识库】FastGPT+Xinference肿瘤医生问答系统
10:23
90、【Deepseek打造RAG知识库】Embedding模型讲解 (小白也能懂)
22:21
91、【Deepseek打造RAG知识库】Reranker 重排序模型：RAG 系统的“智能质检员”
15:01
92、【Deepseek打造RAG知识库】RAG十大误区和提高准确率(小白能懂)
24:24
93、【Deepseek打造RAG知识库】RAG温度设置分析和讲解
15:44
【2025最新】RAG从入门到精通！7天速成实战指南，手把手教你打造AI知识库（大模型/LLM/RAG）
509播放
1.项目介绍
01:44
2.RAG的使用场景
01:57
3.RAG的基本运行流程
01:50
4.分片
00:39
5.索引
07:04
6.召回
04:25
7.重排
02:41
8.生成
02:17
9.高质量文本分块实战指南
34:05
10.RAG检索优化上
07:56
11.RAG检索优化下
07:06
允许白嫖！这套AI Agent动画教程太良心了！从原理到代码实现，2025最新企业级实战指南
572播放
1.Agent概念、原理与构建
24:53
2.Prompt, Agent, MCP 是什么
12:23
3.写一个AI Agent
10:35
4.导学：什么是AI Agent，如何更好地学习AI Agent？
13:49
5.什么是智能体？常见的AI智能体能力展示
04:53
6.主流智能体产品介绍和效果对比（DeepResearch、Manus、GLM沉思、通义千问）
10:37
7.智能体的核心特性：自主性、适应性、交互性
03:45
8.智能体和大模型的区别
06:04
9.智能体5级分层及商业应用
06:06
10.智能体技术架构讲解——Langgraph+LLM+Tools+MCP+RAG
05:31
11.本章知识总结和回顾
04:39
12.python多版本管理工具anaconda使用方法
06:21
13.python项目管理工具uv安装和应用
05:31
14.智能体开发流程&Ollama本地大模型部署
05:54
15.使用langchain-ollama库调用本地大模型
06:38
16.ollama大模型的流式调用
02:06
17.阿里云百炼平台大模型调用
05:57
18.百炼平台推理大模型调用
04:49
19.LangChain框架基本特性和概念介绍
05:19
20.本章重点内容回顾和复习
02:50
21 langchain_openai实例化qwen大模型+pydantic SecretStr加密api_key
06:21
22 提示词模板之文本提示词PromptTemplate
05:41
23 对话提示词模板ChatPromptTemplate用法
05:28
24 ChatPromptTemplate+ChatMessagePromptTemplate联合实现对提示词+消息体的抽象和复用
03:13
25 FewShotPromptTemplate通过提示词实现大模型少样本学习
06:19
26 提示词模板对比及场景分析+链式调用大模型
05:27
27 大模型调用自定义工具全流程开发
10:45
28 tool装饰器注册工具+args_schema精确控制工具入参
05:19
29 本章重点内容回顾和复习
05:10
30 使用langchain.agents库快速完成智能体创建和调用
09:41
31 应用JsonOutputParser规范智能体返回值
12:30
32 PythonPerl基本用法介绍
05:31
33 利用PythonPerlTool自动编写企业官网
12:00
34 智能体企业官网提示词修改和优化
04:56
35 langchain基础解析器讲解——精准控制大模型响应结果
07:08
36 langchain DateOutputParser实现将自然语言转为日期格式
03:55
37 本章重点内容回顾和复习
04:57
38 本章内容概览——走近MCP
03:51
39 彻底搞懂MCP的原理和发展现状
10:40
40 高德MCP服务接入原理讲解
05:23
41 使用langchain_mcp_adatpers创建高德MCP客户端
08:58
42 结合高德MCP使智能体具备位置服务能力
11:54
43 基于高德MCP的复杂路径规划+可视化展示
14:43
44 MCP通讯协议之stdio——实现本地MCP服务端+客户端
17:15
45 本章重点内容回顾和复习
05:03
46 本章内容概览+Node环境搭建
09:08
47 LangChain+MCP读取Playwright工具
08:35
48 LangGraph+create_react_agent创建智能体运行Playwright工具
07:21
49 Cursor下载、安装并接入Playwright MCP服务
07:16
50 Playwright工具执行流程分析+日志结构化输出
10:14
51 Cursor+Github MCP服务集成
05:49
52 Cursor+高德MCP服务制定旅行计划
06:30
53 Cursor+Github MCP服务集成
05:49
54 小项目：Cursor+Github MCP二次开发vue-element-admin项目
20:46
55 LangGraph agent接入Github MCP服务
04:18
56 本章重点内容回顾和复习
02:58
【PyTorch实战】这绝对是B站最好的99个实战项目Pytorch天花板教程，从入门到实战，练完秒变AI大神，一套解决Pytorch框架所有问题！深度学习/人
2282播放
1. 1-1 PyTorch实战课程简介
05:02
2. 1-2 PyTorch框架发展趋势简介
08:26
3. 1-3 框架安装方法（CPU与GPU版本）
05:14
4. 1-4 PyTorch基本操作简介
09:26
5. 1-5 自动求导机制
11:00
6. 1-6 线性回归DEMO-数据与参数配置
08:57
7. 1-7 线性回归DEMO-训练回归模型
10:09
8. 1-8 补充：常见tensor格式
07:10
9. 1-9 补充：Hub模块简介
08:26
10. 2-1 气温数据集与任务介绍
06:43
11. 2-2 按建模顺序构建完成网络架构
11:39
12. 2-3 简化代码训练网络模型
11:05
13. 2-4 分类任务概述
05:13
14. 2-5 构建分类网络模型
09:40
15. 2-6 DataSet模块介绍与应用方法
10:12
16. 3-1 卷积神经网络应用领域
07:25
17. 3-2 卷积的作用
09:24
18. 3-3 卷积特征值计算方法
08:08
19. 3-4 得到特征图表示
06:59
20. 3-5 步长与卷积核大小对结果的影响
08:12
21. 3-6 边缘填充方法
06:31
22. 3-7 特征图尺寸计算与参数共享
07:03
23. 3-8 池化层的作用
05:38
24. 3-9 整体网络架构
06:20
25. 3-10 VGG网络架构
06:17
26. 3-11 残差网络Resnet
07:40
27. 3-12 感受野的作用
05:47
28. 4-1 卷积网络参数定义
07:22
29. 4-2 网络流程解读
07:27
30. 4-3 Vision模块功能解读
05:11
31. 4-4 分类任务数据集定义与配置
06:28
32. 4-5 图像增强的作用
04:50
33. 4-6 数据预处理与数据增强模块
09:26
34. 4-7 Batch数据制作
08:38
35. 5-1 迁移学习的目标
05:32
36. 5-2 迁移学习策略
07:12
37. 5-3 加载训练好的网络模型
09:55
38. 5-4 优化器模块配置
05:15
39. 5-5 实现训练模块
08:16
40. 5-6 训练结果与模型保存
09:32
41. 5-7 加载模型对测试数据进行预测
09:10
42. 5-8 额外补充-Resnet论文解读
11:48
43. 5-9 额外补充-Resnet网络架构解读
08:27
44. 6-1 RNN网络架构解读
11:28
45. 6-2 词向量模型通俗解释
08:15
46. 6-3 模型整体框架
10:10
47. 6-4 训练数据构建
05:10
48. 6-5 CBOW与Skip-gram模型
08:20
49. 6-6 负采样方案
07:40
50. 7-1 任务目标与数据简介
07:19
51. 7-2 RNN模型所需输入格式解析
06:55
52. 7-3 项目配置参数设置
10:27
53. 7-4 新闻数据读取与预处理方法
08:07
54. 7-5 LSTM网络模块定义与参数解析
09:36
55. 7-6 训练LSTM文本分类模型
08:56
56. 7-7 Tensorboardx可视化展示模块搭建
09:17
57. 7-8 CNN应用于文本任务原理解析
10:47
58. 7-9 网络模型架构与效果展示
10:59
59. 8-1 对抗生成网络通俗解释
08:25
60. 8-2 GAN网络组成
05:15
61. 8-3 损失函数解释说明
10:06
62. 8-4 数据读取模块
08:27
63. 8-5 生成与判别网络定义
08:40
64. 9-1 CycleGan网络所需数据
06:50
65. 9-2 CycleGan整体网络架构
10:03
66. 9-3 PatchGan判别网络原理
04:40
67. 9-4 Cycle开源项目简介
07:08
68. 9-5 数据读取与预处理操作
10:17
69. 9-6 生成网络模块构造
12:13
70. 9-7 判别网络模块构造
05:03
71. 9-8 损失函数：identity loss计算方法
09:13
72. 9-9 生成与判别损失函数指定
11:41
73. 9-10 额外补充：VISDOM可视化配置
05:55
74. 10-1 OCR文字识别要完成的任务
06:30
75. 10-2 CTPN文字检测网络概述
08:06
76. 10-3 序列网络的作用
09:20
77. 10-4 输出结果含义解析
07:10
78. 10-5 CTPN细节概述
09:07
79. 10-6 CRNN识别网络架构
06:17
80. 10-7 CTC模块的作用
04:30
81. 11-1 OCR文字检测识别项目效果展示
04:20
82. 11-2 训练数据准备与环境配置
06:50
83. 11-3 检测模块候选框生成
08:07
84. 11-4 候选框标签制作
08:24
85. 11-5 整体网络所需模块
04:56
86. 11-6 网络架构各模块完成的任务解读
08:39
87. 11-7 CRNN识别模块所需数据与标签
05:13
88. 11-8 识别模块网络架构解读
10:41
89. 12-1 3D卷积原理解读
07:44
90. 12-2 UCF101动作识别数据集简介
06:03
91. 12-3 测试效果与项目配置
12:02
92. 12-4 视频数据预处理方法
07:25
93. 12-5 数据Batch制作方法
09:03
94. 12-6 3D卷积网络所涉及模块
07:51
95. 12-7 训练网络模型
08:33
96. 13-1 BERT任务目标概述
05:28
97. 13-2 传统解决方案遇到的问题
11:10
98. 13-3 注意力机制的作用
06:57
99. 13-4 self-attention计算方法
11:25
【强推】2025最新最详细的多模态大模型教程，模型实战，精讲多模态大模型原理，包教包会，看完你就全面了解人工智能|深度学习|transformer
6957播放
00. 从函数到神经网络
09:16
01. 如何计算神经网络的参数
10:04
1.课程介绍
09:32
2. 监督学习与前置任务
09:43
3. 对比学习与SimCLR
10:32
4. Moco模型
07:01
5. MoCo代码详解
14:13
6. 掩码重建与BEiT
05:18
7. ViT与其变种
08:25
8. MoCo v3自监督骨干网络
04:35
9. DINO模型
07:13
10. DINO代码详解
10:08
11. MAE模型
06:26
12. MAE代码详解
15:17
13. SAM模型
16:25
14. 多模态学习的概念
05:55
15. 多模态网络的架构
05:36
16. CLIP模型
07:53
17. CLIP代码详解
14:14
18. GLIP模型
04:36
19. Flamingo模型
09:08
20. LLaVA模型
09:07
21. 线性探测与微调
05:22
22. 线性探测与微调代码详解
05:40
23. Adapter方法
05:28
24. Adapter代码详解
19:44
25. 视觉prompt方法
14:47
26. 视觉Prompt代码详解
13:53
27. 小结
02:24
28. PandaGPT框架介绍
11:02
29. 环境与模型配置
17:37
30.项目代码通览
16:13
31. 数据集加载
09:16
32. 模型定义
14:07
33. 实现
19:13
34. Demo运行
07:12
35. VPT框架通览
15:52
36. 数据集加载
11:18
37. 模型定义
14:13
38. 模型实现1
09:02
39. 模型实现2
07:56
40. 病理图像下游迁移
14:04
【2025最新】手把手教你搭建AI知识库问答系统！零代码+保姆级教程，小白也能3小时搞定！附全套资料！
971播放
1. 系列分享：企业级知识库问答系统
02:03
2. 系列分享：手把手教你把整个系统快速搭建起来
04:26
3. 系列分享：教大家配置好模型和应用，实现基本的AI对话
02:36
4. 打造本地的，免费的，私有化的，离线的，企业级知识库问答系统 导入本地文件，让大模型通过知识库进行回答，实现AI智能客服
05:45
5. 将本地知识库和AI大模型，接入微信，实现微信内的AI智能客服，使用更方便，体验更好
01:43
6. 开源免费的网页转Markdown项目，有效提升RAG的质量
01:07
7. 基于AI的PDF转 Markdown，开源免费，高精度还原，用在AI知识库系统里面，能有效优化RAG，提高AI回复质量
00:47
8. 企业级的AI知识库服务应该如何部署
01:35
9. 从业务实践的真实经验，分享RAG优化的思路和方法。如何有效提升知识库的回复质量，是一个工程问题
01:19
10. OmniParse 全能的文件解析工具，清洗非结构化数据，可以将任何非结构化的数据，转换为干净的，结构化的格式
01:31
11. 格式最全，性价比最高的，开源非结构化文档解析方案 UnstructuredIO，有效提升RAG中数据的质量
01:33
【Llama3 部署】2025最新版 LLaMa3大语言模型入门与微调实战教程，从原理代码-部署-微调-评估实战一条龙讲解！全程干货无废话，学不会找UP主！
1053播放
1. 1 课程介绍
12:56
2. 2 注意力机制
23:59
3. 3 自注意力机制
09:22
4. 4 Transformer的架构概述
11:23
5. 5 Transformer Encoder的多头注意力
15:38
6. 6 Transformer Encoder的位置编码
10:04
7. 7 Transformer 残差链接、LayerNorm、FFN
06:16
8. 8 Transformer Decoder
06:30
9. 9 Transformer 训练及性能
10:00
10. 10 Transformer机器翻译工作流程
04:24
12. 12 Transformer的Decoder代码解读
19:15
13. 13 Transformer的超参设置代码解读
12:10
14. 14 Transformer的训练示例（人为随机数据）代码解读
07:06
15. 15 Transformer的训练示例(德语-英语机器翻译)代码解
13:20
16. 16 结合中文注释代码深入解读1
10:28
17. 17 结合中文注释代码深入解读2
12:13
18. 18 LLM推理方式
09:58
19. 19 文本生成模式
05:02
20. 20 文本生成策略
16:40
21. 21 Token和分词器
06:48
22. 22 文本生成过程
08:37
23. 23 prefill和解码阶段
04:41
24. 24 llama3文本生成过程
03:03
25. 25 文本生成时的QKV含义
09:56
26. 26 大模型开发阶段划分
08:41
27. 27 SFT微调
06:05
28. 28 微调方法(全参、冻结参数、LoRA、QLoRA)
08:07
29. 29 LoRA微调
14:26
30. 30 QLoRA微调
08:22
31. 31 llama模型进化史
05:44
32. 32 llama3模型类型
02:46
33. 33 llama大模型生态
05:21
34. 34 llama3模型架构
04:16
35. 35 RMSNorm归一化
04:14
36. 36 SwiGLU激活函数
07:15
37. 37 RoPE旋转位置编码
20:46
38. 38 GQA分组查询注意力
04:06
39. 39 KVCache
17:32
40. 40 各文件功能
02:41
41. 41 completion和chat应用脚本代码解析
14:13
42. 42 generation.py代码解析
17:57
43. 43 model.py代码解析
09:26
44. 44 tokenizer.py代码解析
18:12
45. 45 RMSNorm代码解析
16:43
46. 46 SwiGLU代码解析
02:01
47. 47 GQA代码解析
05:56
48. 48 RoPE代码解析
12:11
49. 49 KVCache代码解析
04:50
50. 50 阿里云实例创建
04:47
51. 51 ollama介绍
01:03
52. 52 ollama安装
07:10
53. 53 llama3推理
11:39
54. 54 vLLM部署llama3
15:20
55. 55 llama_factory介绍
02:39
56. 56 llama_factory安装及llama3模型下载
05:02
57. 57 LoRA微调训练
15:50
58. 58 llama3中文增强大模型推理
03:22
59. 59 llama3中文增强大模型评估
06:09
60. 60 lora文件合并
02:18
61. 61 数据集准备
03:46
62. 62 lora 微调
06:56
63. 63 llama3医疗问答大模型推理
03:11
64. 64 qlora微调
04:26
65. 65 qlora微调的医疗问答大模型推理
02:04
【2025最新版】这绝对是十月份讲的最好的大模型学习路线全套教程，大模型从入门到实战，内容通俗易懂，全程干货无废话，学完即就业，让你少走99%弯路！
474播放
【课前篇】大模型学习路线
00:47
【基础篇】01 从函数到神经网络
09:16
【基础篇】02 计算神经网络的参数
10:04
【基础篇】03 调教神经网络的方法
07:51
【基础篇】04 从矩阵到 CNN
08:06
【基础篇】05 从词嵌入到 RNN
09:52
【基础篇】06 简单而强大的 Transformer
10:07
【基础篇】07 速览大模型 100 词
11:41
【基础篇】08 提示词工程师导学【必看，带你避坑】
19:20
【基础篇】09 AI 风口，催生“提示词工程”新岗位，市场需求和职业发展
08:01
【基础篇】10 [示例]通用Prompt技能，扩展视野+效率提升
15:25
【基础篇】11 [进阶]Prompt Engineering的概念及相关技术
06:33
【基础篇】12 提示词聚合网站：xx个你必须知道的Prompt，靠谱吗
07:14
【基础篇】13 [扩展]AI时代的机遇与挑战：哪些工作可能会消失
17:02
【基础篇】14 LLM模型选择：开源与闭源，商用or版权要求
16:51
【基础篇】15 硬件选择：针对于LLM模型的基本的硬件要求与选择
12:14
【基础篇】16 国外平台推荐：ChatGPT&Claude(playground平台)
10:51
【基础篇】17 国内平台推荐：通义、文心、讯飞星火、百川、智谱
25:04
【基础篇】18 付费AI工具，值得不值得比如ChatGPT plus&Midjourney等
08:04
【基础篇】19 [扩展]海外银行开户及法律法规注意事项
12:11
【基础篇】20 [扩展]ChatGPT如何注册&如何支付成为Plus会员
15:17
【基础篇】21 大语言模型：ChatGPT平替方案大合集（6种方案）
13:55
【基础篇】22 团队环境配置：团队使用GPT工具的工作流
05:54
【基础篇】23 [补充说明]吴恩达-提示词工程&课程学习笔记获取
03:28
【基础篇】24 原则一：使用明确且具体的指令
15:39
【基础篇】25 原则二：给模型时间去思考
12:59
【基础篇】26 [案例分析] 5大Prompt优化原则
14:38
【基础篇】27 章总结：Prompt基础结构（指令、输入、背景、输出要求）
03:23
【进阶篇】28 AI Agent 导论篇
03:28
【进阶篇】29 Agent概念、组成与决策
09:08
【进阶篇】30 Agent决策应用场景分析
07:58
【进阶篇】31 Agent规划子任务拆解_COT与TOT_
13:21
【进阶篇】32 思维树24点拓展与react框架
16:42
【进阶篇】33 Agent记忆(memory)
11:20
【进阶篇】34 Agent工具使用介绍
03:26
【进阶篇】35 Agent代码初体验、工具使用、记忆添加
20:52
【进阶篇】36 Agent认知框架之Plan-and-Execute
11:55
【进阶篇】37 self-Ask
10:16
【进阶篇】38 Thinking and Self-Refection
07:58
【进阶篇】39 ReAct框架案例实现
09:57
【进阶篇】40 ReAct RAG Agent
11:20
【进阶篇】41 Agent+RAG个性化定制数字人项目效果预览1
15:25
【进阶篇】42 Agent+RAG个性化定制数字人项目效果预览2
09:25
【进阶篇】43 项目介绍
01:44
【进阶篇】44 RAG的使用场景
01:57
【进阶篇】45 RAG的基本运行流程
01:50
【进阶篇】46 RAG分片
00:39
【进阶篇】47 RAG索引
07:04
【进阶篇】48 RAG召回
04:25
【进阶篇】49 RAG重排
02:41
【进阶篇】50 RAG生成
02:17
【进阶篇】51 高质量文本分块实战指南
34:05
【进阶篇】52 RAG检索优化上
07:56
【进阶篇】53 RAG检索优化下
07:06
【进阶篇】54_Langchain视频简介
10:20
【进阶篇】55 langchain4j是什么
02:02
【进阶篇】56 langchain4j为何出现
03:26
【进阶篇】57 langchain4j官网简介
02:37
【进阶篇】58 langchain4j英语机翻
03:50
【进阶篇】59 langchain4j框架分层说明
05:53
【进阶篇】60 langchain4j行业趋势分析
10:33
【进阶篇】61 langchain4j入门案例前置约定
05:02
【进阶篇】62 langchain4j大模型调用三件套准备
08:55
【实战篇】63 模型量化一：模型量化基础 对称量化 非对称量化 量化计算
10:34
【实战篇】64 模型量化二：训练后动态量化
05:27
【实战篇】65 模型量化三：训练后静态量化
05:31
【实战篇】66 模型量化四：量化感知训练
02:56
【实战篇】67 模型量化五：LLM.int8() Bitsandbytes HuggingFace 默认大模型量化方法
06:04
【实战篇】68 模型量化六：QLoRA 4bit 量化 NormalFloat4 量化
09:05
【实战篇】69 多模态大语言模型(MLLM)的定义
24:30
【实战篇】70 多模态模型的发展历程
51:00
【实战篇】71 商用MLLM API调用实战
15:25
【实战篇】72 图文对话系统的搭建
55:45
【实战篇】73 LLaVa衍生与改进
25:55
【实战篇】74 目前开源的SOTA 多模态LLM
07:07
【实战篇】75 高性能MLLM模型部署
04:28
【实战篇】76 支持视频、语音及更多模态输入的大语言模型
25:58
【实战篇】77 使用多模态大语言模型完成更多任务
04:50
【实战篇】78 StandfordAlpaca的介绍
17:41
【实战篇】79 selfinstruct的代码解读
15:38
【实战篇】80 AlpacaB的微调过程
11:14
【实战篇】81 selfinstruct代码的详细过程
10:59
【实战篇】82 StandfordAlpaca微调代码拆解：微调方式
07:57
【实战篇】83 StandfordAlpaca微调代码拆解：train
09:09
【实战篇】84 垂直领域微调的方式
05:00
【实战篇】85 Huggingface的Transformer库
09:32
【实战篇】86 AlpacaLoRA消费级显卡的Lora微调
09:54
【实战篇】87 DeepSpeedChat的LoRA源码解读
09:17
【实战篇】88 基于Huggingface的Peft框架的Lora微调方式
05:25
【实战篇】89 Alpaca所用的selfinstruct的影响力
06:33
【实战篇】90 AlpacaLoRA微调过程
18:32
【实战篇】91 LLaMA相比LLaMA的改进
07:31
【实战篇】92 LLaMA的分组查询注意力（GQA）
07:49
【实战篇】93 LLaMAChat中的RLHF：三阶段训练方式
11:51
【实战篇】94 ChatGLMB的数据处理及文件准备
19:10
【实战篇】95 ChatGLMB的部署及微调过程
16:31
【模型量化】一天学会大模型量化，从原理讲解、代码实现到微调实战，快速上手，超详细教程，过程可视化，让你完全搞懂模型量化
1.1万播放
1. 模型量化基础 对称量化 非对称量化 量化计算
10:34
2. 训练后动态量化
05:27
3. 训练后静态量化
05:31
4. 模量化感知训练
02:56
5. LLM.int8() Bitsandbytes HuggingFace 默认大模型量化方法
06:04
6. QLoRA 4bit 量化 NormalFloat4 量化
09:05
【有手就会】手把手教会你用GraphRAG构建多模态知识图谱，实测检索精度大幅度提升！全流程实操，小白也能轻松上手！效果展示+构建方法+原理解析
530播放
01.什么是知识图谱
03:19
02.知识图谱如何构建
03:45
03.从传统方法到LLM
05:11
04.Graph RAG1
04:36
05.Graph RAG2
08:40
06.多模态知识图谱
05:30
【Dify实战】带你一周练完这106个Dify实战项目，从入门到进阶，练完即可就业，活该你进大厂，从基础到实战，建议码住！开学卷死同学丨毕设？面试实战？统统不是
380播放
1、Dify+Qwen3构建合同审查助手
15:05
2、Dify+Qwen3构建股票分析系统
16:45
3、Dify实战案例：基于Chatflow构建医学问答系统
11:20
4、dify结合Deepseek操作(上).aud
08:23
5、dify结合Deepseek操作(中).aud
04:27
6、dify结合Deepseek操作(下).aud
06:46
7、dify案例讲解-智能助手加翻译机器人.aud
10:13
8、dify案例讲解-知识库应用.aud
06:17
9、dify案例讲解-AI图片生成.aud
11:04
10、dify案例讲解-旅游助手.aud
05:56
11、dify案例讲解-工作流-SQL执行器.aud
09:04
12、dify案例讲解-工作流-翻译工具插件开发.aud
14:39
13、dify案例讲解-工作流-如何写出有吸引力的标题.aud
07:03
14、dify案例讲解-工作流-知识库检索和图片展示.aud
08:52
15、dify案例讲解-工作流-自然语言转SQL并执行生成结果.aud
11:45
16、dify案例讲解-工作流-echarts可视化助手.aud
08:14
17、如何用DeepSeek+Kimi快速生成PPT来提升你的工作效率.aud
10:08
18、dify案例讲解-工作流-如何高效的实现文生图效果.aud
12:41
19、dify案例讲解-工作流-小说故事加角色生成.aud
09:02
20、dify案例讲解-工作流-文本生语音.aud
09:58
21dify案例讲解-工作流-爬取小说转语音.aud
20:26
235播放
手把手教你快速入门深度学习与实战，从理论推导到工业实战，全程干货，比刷剧还爽，零基础小白也能轻松学会（附文档）
352播放
【先导片】1、深度学习
00:17
2、深度学习简介
28:47
3、pycharm和anaconda的安装
22:04
2.1、线性回归模型与梯度下降法先导
01:23
2.2、线性回归定义和穷举法求解
23:25
2.3、最小二乘法
27:37
2.4、最小二乘法矩阵求导
07:15
2.5、梯度下降法
25:44
2.6、线性回归实战先导
03:23
2.7、线性回归实战案例
19:54
3.1、逻辑回归模型先导
06:06
3.2、逻辑回归原理
18:59
3.3、w参数的更新
13:48
3.4、b参数的更新
16:43
3.5、分类和回归模型评价指标
17:54
3.6、逻辑回归实战先导
02:35
3.7、逻辑回归模型实战---数据预处理
20:05
3.8、逻辑回归模型实战---模型训练和测试
18:53
4.1、全连接神经网络先导
00:59
4.2、全连接神经网络的整体结构
21:37
4.3、激活函数的作用
07:17
4.4、神经网络的激活函数
18:35
4.5、全连接神经网络前向传播
20:30
4.6、神经网络的损失函数
09:52
4.7、链式法则
09:46
4.8、全连接神经网络的反向传播
35:29
4.9、全连接神经网络实战先导
00:53
4.10、全连接神经网络实战---依赖库导入
05:24
4.11、全连接神经网络实战---数据预处理
10:21
4.12、全连接神经网络实战---模型的训练
20:10
4.13、全连接神经网络实战---模型的测试
12:34
4.14、空气质量预测先导
03:53
4.15、空气质量预测数据预处理
08:09
4.16、空气质量预测模型搭建
08:07
4.17、空气质量预测模型测试
18:33
4.18、空气质量预测评价指标评价模型
07:40
5.1、卷积神经网络开篇
01:10
5.2、图像在计算机中的本质
08:57
5.3、卷积神经网络整体结构
12:20
5.4、卷积运算及其权重共享
12:28
5.5、填充和步幅运算
10:42
5.6、多通道卷积运算
08:44
5.7、池化运算
12:57
5.8、卷积神经网络实战先导
03:16
5.9、LeNet卷积神经网络讲解
06:34
5.10卷积神经网络实战数据集预处理
15:53
5.11、利用keras搭建卷积神经网络模型
13:22
5.12、测试训练好的网络模型
14:16
6.1、循环神经网络章节先导
01:01
6.2、RNN神经网络单元结构
15:50
6.3、RNN神经网络和全连接神经网络对比
10:26
6.4、RNN神经网络数学模型和权重共享
09:20
6.5、RNN神经网络前向传播案例
13:41
6.6、RNN神经网络反向传播
05:55
6.7、RNN神经网络产生梯度消失和爆炸的原因
16:51
6.8、LSTM和RNN对比
09:54
6.9、LSTN单元基本运算
04:19
6.10、LSTM的遗忘门
04:58
6.11、LSTM的输入门和细胞状态的更新
06:03
6.12、LSTM的输出门
06:19
6.13、LSTM如何缓解梯度消失
11:49
6.14、基于LSTM黄金价格预测实战先导
08:07
6.15、导入依赖库
04:17
6.16、数据预处理
34:40
6.17、LSTM网络模型搭建
09:40
6.18、LSTM网络模型测试
16:54
【强推】2025最新最详细的多模态大模型教程，模型实战，精讲多模态大模型原理，包教包会，看完你就全面了解人工智能|深度学习|transformer
2289播放
1. 课程介绍
09:30
2. 自监督学习与前置任务
09:43
3. 对比学习与SimCLR
10:32
4. Moco模型
07:01
5. MoCo代码详解
14:13
6. 掩码重建与BEiT
05:18
7. ViT与其变种
08:25
8. MoCo v3自监督骨干网络
04:35
9. DINO模型
07:13
10. DINO代码详解
10:08
11. MAE模型
06:26
12. MAE代码详解
15:17
13. SAM模型
16:25
14. 多模态学习的概念
05:55
15. 多模态网络的架构
05:36
16. CLIP模型
07:53
17. CLIP代码详解
14:14
18. GLIP模型
04:36
19. Flamingo模型
09:08
20. LLaVA模型
09:07
21. 线性探测与微调
05:22
22. 线性探测与微调代码详解
05:40
23. Adapter方法
05:28
24. Adapter代码详解
19:44
25. 视觉prompt方法
14:47
26. 视觉Prompt代码详解
13:53
27. 小结
02:24
28. PandaGPT框架介绍
11:02
29. 环境与模型配置
17:37
30. 项目代码通览
16:13
31. 数据集加载
09:16
32. 模型定义
14:07
33. 模型实现
19:13
34. Demo运行
07:12
35. VPT框架通览
15:52
36. 数据集加载
11:18
37. 模型定义
14:13
38. 模型实现1
09:02
39. 模型实现2
07:56
40. 病理图像下游迁移
14:04
126播放
DeepSeek搭建Agent智能体与个人知识库全套教程,让你少走99%的弯路，100%提效，零基础小白也能学会~
963播放
01-DeepSeek与智能体课程概述
01:54
02-智能体的举例及初步理解
01:53
03-智能体的理解和应用领域
02:37
04-智能体的5个核心要素剖析
03:54
05-个人知识库的概述
02:55
06-Cherry-Studio搭建个人知识库
07:57
07-ima搭建个人知识库
06:53
08-个人知识库资料存储和检索的流程
01:40
09-RAG的理解
04:29
10-智能体的三个发展阶段
02:45
11-Cherry-Studio中如何创建智能体
04:04
12-豆包、讯飞、百度文心、腾讯元器平台如何搭建智能体
03:52
13-cline体现高阶智能体项目1：天气查询
11:08
14-cline体现高阶智能体项目2：多城市天气对比
05:06
15-Coze平台创建高阶智能体
14:47
16-Dify平台创建高阶智能体
13:34
加载中...
加载中...
展开