多智能体跨学科入门难？别被LangChain吓退！这2个低门槛框架直接开箱即用，小白也能快速入门，附基础操作技巧，草履虫都能听懂！大模型-LLM
给大家准备了一份大模型学习资料包！
包含：
ChatGLM、LLM、LangChain、Lora等大语言模型预训练及微调教程和源码资料
2025最新大模型相关面试题、大模型前沿论文、大模型全流程学习路径
视频选集
（2/72）
多智能体和AI交叉学科结合！
01:17
零基础入门AI的学习路线和规划
12:05
0基础学AI大模型学习路线！
17:27
Agent需要具备的基本能力
08:20
-与大模型的关系分析
06:39
-多智能体定义分析
06:03
006-5-框架的作用和能解决的问题
09:05
007-6-整体总结分析
04:13
008-7-GPTS分析一波
08:37
009-8-经典任务分析
08:32
010-1-GPTS任务流程概述分析
10:08
011-2-调用API的控制方式
06:17
012-3-API相关配置完成
06:52
013-4-完成指令与脚本并生成
09:53
014-1-DEMO演示与整体架构分析
16:04
015-2-后端GPT项目部署启动
12:28
016-3-前端助手API与流程图配置
13:43
017-4-接入外部API的方法与流程
10:56
018-5-GPT中加入外部API调用方法
09:05
019-6-指令提示构建
05:04
020-1-论文概述分析
08:01
021-2-整体框架逻辑介绍
10:48
022-3-项目环境配置
11:39
023-4-基础解读-动作定义方式
06:10
024-5-基础解读-角色定义
04:54
025-6-单动作智能体实现方法
05:24
026-7-多动作配置方法
04:45
027-8-定时器任务环境配置
06:34
028-9-定时器任务流程解读分析
10:09
029-0-基本Agent的组成
10:02
030-1-Agent要完成的任务和业务逻辑定义
10:13
031-2-问题拆解与执行流程
14:44
032-3-检索得到重要的URL
06:38
033-4-子问题生成总结结果
08:38
034-5-总结与结果输出
04:14
035-1-RAG要完成的任务解读
07:13
036-2-RAG整体流程解读
08:08
037-3-召回优化策略分析
08:11
038-4-召回改进方案解读
09:13
039-5-评估工具RAGAS
09:02
040-6-外接本地数据库工具
03:11
041-1-整体故事解读
06:28
042-2-要解决的问题和整体框架分析
08:31
043-3-论文基本框架分析
12:01
044-4-Agent的记忆信息
07:27
045-5-感知与反思模块构建流程
07:03
046-6-计划模块实现细节
07:41
047-7-整体流程框架图
05:31
048-8-感知模块解读
05:13
049-9-思考模块解读
04:34
050-10-项目环境配置方法解读
07:37
051-1-langchain框架解读
09:19
052-2-基本API调用方法
10:26
053-3-数据文档切分操作
10:26
054-4-样本索引与向量构建
10:03
055-5-数据切块方法
09:38
056-1-MOE概述分析
06:30
057-2-MOE模块实现方法解读
08:43
058-3-效果分析与总结
09:21
059-1-大模型如何做下游任务
10:17
060-2-LLM落地微调分析
14:01
061-3-LLAMA与LORA介绍
12:21
062-4-LORA微调的核心思想
09:14
063-5-LORA模型实现细节
16:47
064-1-提示工程的作用
14:47
065-2-项目数据解读
09:43
066-3-源码调用DEBUG解读
10:25
067-4-训练流程演示
12:01
068-5-效果演示与总结分析
10:18
069-1-RAG与微调可以解决与无法解决的问题
10:06
070-2-RAG实践策略
08:31
071-3-微调要解决的问题
06:43
顶部