九天菜菜大模型与Agent开发实战【VIP】

课程目录

大模型与Agent开发实战【新课】
【DeepSeekv3】1 整体架构与分布式基础概念.mp4 145.32M
【DeepSeekv3】2 分布式嵌入层与投影层.mp4 154.55M
【DeepSeekv3】3 MLA潜在注意力 (1) 从自回归掩码看KV缓存机制.mp4 99.34M
【DeepSeekv3】4 MLA潜在注意力 (2) 针对KV缓存的改进.mp4 94.22M
【DeepSeekv3】5 DeepSeekMOE的MOE架构与创新.mp4 165.81M
Cursor&Coder高效低代码开发办法.ts 90.15M
Glm-Edge-v-5B模型介绍与本地部署.ts 35.57M
Marco-o1模型介绍与本地部署.ts 224.78M
Ollama最新版本保姆级指南.ts 185.78M
Ollama最新版本启动多模态模型Llama3.2Vision全流程[Linux环境].ts 128.47M
Qwen2--5Coder：32B基本介绍和测试.ts 196.80M
Qwen2--5Coder本地部署使用全流程.ts 178.05M
Qwen2VL多模态模型参数介绍&部署使用全流程.ts 96.15M
【ChatGLM3-6B】01_Ubuntu双系统安装.MP4 199.67M
【ChatGLM3-6B】02_Ubuntu环境下ChatGLM3-6b命令行安装办法.MP4 182.70M
【ChatGLM3-6B】03_服务器环境下部署ChatGLM3-6b.ts 163.22M
【ChatGLM3-6B】04_ChatGLM3-6b的多种启动方法.ts 99.69M
【ChatGLM3-6B】05_AutoDL快速部署ChatGLM3-6b办法.ts 64.49M
【ChatGLM3-6B】06_Git方法简洁下载ChatGLM3-6b.ts 62.11M
【ChatGLM3-6B】07_以ChatGLM3-6b为例的大模型更新办法.ts 50.20M
【ChatGLM3-6B】08_单机多卡启动大模型办法.ts 110.06M
【ChatGLM3-6B】09_LoRA原理浅析.ts 160.74M
【ChatGLM3-6B】10_LoRA微调实战训练.ts 142.19M
【ChatGLM3-6B】11_DeepSpeed原理浅析.ts 141.66M
【ChatGLM3-6B】12_PEFT高效微调原理浅析.ts 259.61M
【ChatGLM3-6B】13_P-Tuning V2微调实战.ts 95.07M
【ChatGLM3-6B】14_LangChian体系详解.ts 188.17M
【ChatGLM3-6B】15_LangChain0.3安装部署与调用方法.ts 157.51M
【Cursor】调用QWQ实现辅助编程--调用本地模型全流程.ts 70.06M
【Cursor】在Windows环境下调用QWQ线上API实现辅助编程方法.ts 31.56M
【GLM4-9B】01_模型基本介绍.ts 53.53M
【GLM4-9B】02_安装部署流程展示.ts 87.73M
【GLM4-9B】03_多种启动方式流程展示.ts 115.54M
【GLM4-9B】04_vLLM介绍和部署应用.ts 167.28M
【GLM4-9B】05_WSL部署流程.ts 55.51M
【GLM4-Voice】01_模型基本介绍.ts 105.80M
【GLM4-Voice】02_多模态与AGI技术展望.ts 75.44M
【GLM4-Voice】03_本地化部署流程.ts 108.19M
【GLM4-Voice】04_线上部署流程.ts 100.82M
【GLM4-Voice】05_开源大模型比拼-排行榜介绍.ts 121.60M
【Llama.cpp】以Qwen2.5为例实现量化模型启动与API调用.ts 99.79M
【Llama.cpp】以Qwen2VL为例实现GGUF模型量化与调用办法.ts 44.25M
【Llama3.1】01_Llama家族系列模型生态介绍.ts 125.39M
【Llama3.1】02_线上体验办法.ts 42.88M
【Llama3.1】03_技术论文解读.ts 167.28M
【Llama3.1】04_官网以及Ollama部署流程.ts 160.78M
【Llama3.1】05_ModelScope线上部署.ts 92.32M
【Llama3.1】06_ModelScope本地部署.ts 63.14M
【Llama3.1】07_LlamaFactory中文能力微调实例.ts 172.41M
【Llama3.2】01_基本介绍与线上测试办法.ts 64.71M
【Llama3.2】02_官网下载流程.ts 62.30M
【Llama3.2】03_Ollama在Linux和Windows部署方法.ts 48.99M
【Qwen2.5Coder&Math】01_Coder介绍.ts 96.63M
【Qwen2.5Coder&Math】02_Math介绍.ts 35.79M
【Qwen2.5Coder&Math】03_Coder技术文章分析.ts 82.58M
【Qwen2.5Coder&Math】04_Math技术文章分析.ts 22.71M
【Qwen2.5Coder&Math】05_Math线上体验.ts 27.62M
【Qwen2.5Coder&Math】06_Coder本地部署推理流程.ts 91.02M
【Qwen2.5Coder&Math】07_vLLM推理Coder流程.ts 41.40M
【Qwen2.5Coder&Math】08_Ollama推理Coder流程.ts 32.06M
【Qwen2.5Coder&Math】09_线上部署推理Coder流程.ts 92.41M
【Qwen2.5Coder&Math】10_Math部署流程.ts 13.88M
【Qwen2.5】01_基本介绍与线上体验办法.ts 98.71M
【Qwen2.5】02_ModelScope本地化部署流程.ts 82.59M
【Qwen2.5】03_ModelScope线上部署办法.ts 41.25M
【Qwen2.5】04_Ollama框架部署流程.ts 43.74M
【Qwen2.5】05_在Windows系统中使用Ollama框架部署流程.ts 26.25M
【Qwen2.5】06_vLLM部署与调用流程.ts 124.28M
在Windows环境下使用Ollama启动多模态模型llama3.2Vision全流程.ts 50.29M
Ch 1.1 通用模型发展与微调前景.ts 141.19M
Ch 1.2 微调与其他技术的区别和关联.ts 102.06M
Ch 1.3 微调步骤及技术栈.ts 89.86M
Ch 1.4 高效微调及范围.ts 205.59M
Ch 1.5 强化学习RHLF介绍.ts 80.90M
Ch 1.6 主流微调框架.ts 81.72M
Ch 2.1 Lora原理详解.ts 173.76M
Ch 2.2 LLama_factory 介绍.ts 103.36M
Ch 2.3 LLama_factory 安装部署及验证.ts 93.84M
Ch 2.4 实战Qwen2.5微调.ts 141.37M
Ch 2.5 配置TensorBoard.ts 85.33M
Ch 3.1 如何获取数据源及使用解析.ts 170.86M
Ch 3.2 llamafactory中如何使用和注册数据集.ts 215.15M
Ch 3.3 模型微调及参数详解.ts 153.76M
Ch 3.4 数据验证&deepspeed微调.ts 122.15M
Ch 4.1 win&Qlora&qwen2.5_Qlora能节约多少内存.ts 79.00M
Ch 4.2 Qlora核心概念.ts 105.96M
Ch 4.3如何在windows配置环境.ts 129.25M
Ch 4.4 Qlor微调实战与验证.ts 153.16M
Ch 5.1PPO&llama3.2_什么是PPO算法.ts 78.47M
Ch 5.2 如何理解PPO.ts 113.78M
Ch 5.3 各个模型PPO算法的协作关系.ts 98.88M
Ch 5.4 PPO模型与数据的选择.ts 122.65M
Ch 5.5 PPO微调实操.ts 111.70M
Ch 5.6 PPO源码解读.ts 113.74M
Ch 6.1 RLHF&Qwen2.5,RLHF背景与意义.ts 93.20M
Ch 6.2 RLHF流程拆解与核心.ts 169.38M
Ch 6.3 奖励模型原理.ts 59.14M
Ch 6.4 奖励模型训练流程.ts 137.38M
Ch 6.5 RLHF全流程微调.ts 45.57M
Ch 6.6 RLHF挑战与改进方向.ts 83.15M
DPO微调Qwen2.5.ts 988.18M
LLama_factory&Lora微调Qwen2.5做NL2sql.ts 2.45G
LLama_Factory+LORA大模型微调.ts 2.42G
PPO微调Llama-3.2.ts 2.62G
window系统微调QLORA.ts 1.92G
Ch 1.1 大模型应用发展与Agent前沿技术趋势.ts 162.81M
Ch 1.2 大模型应用的本地知识库问答核心技术-RAG.ts 136.12M
Ch 1.3 AI Agent爆发的根本原因.ts 133.13M
Ch 1.4 AI Agent 经典核心架构与 AgentExcuter.ts 200.35M
Ch 10.1 LangGraph中ReAct的构建原理.ts 157.60M
Ch 10.2 案例实操：构建复杂工具应用的ReAct自治代理.ts 279.09M
Ch 10.3 LangGraph中如何使用流式输出.ts 211.04M
Ch 10.4 LangGraph中的事件流.ts 101.01M
Ch 11.1 Agent长短期记忆认知.ts 123.01M
Ch 11.2 LangGraph的短期记忆及Checkpointer(检查点).ts 183.40M
Ch 11.3 检查点的特定实现类型-MemorySaver.ts 153.12M
Ch 11.4 检查点的特定实现类型-SqliteSaver.ts 172.70M
Ch 11.5 长期记忆和Store（仓库）.ts 102.50M
Ch 12.1 LangGraph知识点概述总结.ts 106.26M
Ch 12.2 LangGraph中的HIL实现思路.ts 156.98M
Ch 12.3 标准图结构中如何添加断点.ts 348.78M
Ch 12.4 复杂代理架构中如何添加动态断点.ts 163.20M
Ch 12.5 案例：具备人机交互的完整Agent信息管理系统.ts 346.26M
Ch 13.1 Single-Agent 存在的局限.ts 181.72M
Ch 13.2 Multi-Agent 架构分类及子图的通信模式 - 副本.ts 239.31M
Ch 13.3 父、子图状态中无共同键的通信方式.ts 92.37M
Ch 13.4 案例：基于网络架构实现智能BI数据分析多代理系统（上）.ts 163.06M
Ch 13.5 案例：基于网络架构实现智能BI数据分析多代理系统（下）.ts 168.18M
Ch 14.1 Supervisor 架构介绍与基本构建原理.ts 317.25M
Ch 14.2 案例：基于 Supervisor 架构实现多代理系统.ts 170.45M
Ch 14.3 GraphRAG 基本介绍与核心架构.ts 179.06M
Ch 14.4 案例：Multi-Agent实现混合多知识库检索.ts 329.06M
Ch 2.1 AI Agent与LLMs + RAG的本质区别.ts 73.06M
Ch 2.2 AI Agent三种应用类型及Python实现可交互的聊天机器人.ts 192.01M
Ch 2.3 Funcation Calling 完整生命周期细节复现.ts 222.80M
Ch 2.4 实现具备Funcation Calling的智能电商客服.ts 88.18M
Ch 2.5 Function Calling并行调用和多函数调用的应用方法.ts 129.57M
Ch 2.6 加餐：OpenAI最新推出的结构化输出功能介绍.ts 43.58M
Ch 3.1 Funcation Calling 与 AI Agent的本质区别.ts 63.25M
Ch 3.2 提示工程到代理工程的平滑过度.ts 113.13M
Ch 3.3 ReAct Agent框架的基础理论.ts 90.45M
Ch 3.4 案例：从零复现ReAct Agent的完整流程.ts 297.49M
Ch 3.5 项目：基于ReAct Agent构建电商智能客服_batch.ts 218.54M
Ch 4.1 Assistant API 框架的整体介绍.ts 114.29M
Ch 4.2 Assistant对象的创建方法.ts 198.82M
Ch 4.3 Thread、Messges及Run应用方法.ts 72.51M
Ch 4.4 Run运行时的状态转移机制.ts 119.49M
Ch 4.5 实现Run状态的轮询方法，并实现Assistant API完整链路.ts 177.37M
Ch 5.1 Assistant API 进阶应用方法介绍.ts 56.58M
Ch 5.2 File Search内置工具说明及文件管理.ts 172.52M
Ch 5.3 基于 Assistant API 创建在线私有知识库.ts 142.11M
Ch 5.4 在Assistant和Thread定义File Search工具的四种策略.ts 178.35M
Ch 5.5 如何处理Assistant API输出响应中的注释.ts 62.63M
Ch 5.6 Code Interpreter（代码解释器）的应用技巧.ts 86.73M
Ch 5.7 基于Funcation Calling实现本地代码解释器.ts 207.39M
Ch 6.1 为什么企业级应用必须接入流式输出.ts 140.59M
Ch 6.2 Assistant API中流式输出的开启方法.ts 104.19M
Ch 6.3 Assistant API 流式传输中的事件流原理细节.ts 121.61M
Ch 6.4 如何在 Assistant API 流式传输中接入外部函数.ts 175.80M
Ch 6.5 应用案例（1）：异步构建Assistant对象的工程化代码.ts 89.25M
Ch 6.6 应用案例（2）：集成外部函数方法及项目完整功能介绍.ts 156.01M
Ch 7.1 LangChain的AI Agent开发框架架构设计.ts 87.88M
Ch 7.2 LangGraph 的底层构建原理.ts 201.64M
Ch 7.3 Langgraph底层源码解析.ts 138.23M
Ch 7.4 LangGraph中如何接入大模型做问答流程.ts 163.89M
Ch 8.1 LangGraph中State的定义模式.ts 123.22M
Ch 8.2 使用字典类型定义状态的方法与优劣势.ts 196.72M
Ch 8.3 LangGraph状态管理中Reducer函数的使用.ts 141.56M
Ch 8.4 MessageGraph源码功能解析.ts 223.67M
Ch 8.5 LangSmith基本原理与使用入门.ts 112.94M
Ch 9.1 LangGraph代理架构及Router Agent介绍.ts 185.14M
Ch 9.2 LangGraph中可应用的三种结构化输出方法.ts 144.14M
Ch 9.3 结合结构化输出构建Router Agent（数据库）.ts 194.88M
Ch 9.4 Tool Calling Agent 中ToolNode的使用.ts 163.66M
Ch 9.5 Tool Calling Agent的完整实现案例：实时搜索与数据库集成.ts 207.60M
LangGraph 多代理与 GraphRAG 综合应用实战.ts 3.09G
【MateGenPro】Ch 1. MateGen Pro 项目整体架构介绍.ts 66.70M
【MateGenPro】Ch 2. 本地运行MateGen Pro项目流程.ts 155.27M
【MateGenPro】Ch 3. MateGen Pro 后端API核心模块设计.ts 73.33M
【MateGenPro】Ch 4. SQLAlchemy原理与项目接入.ts 198.67M
【MateGenPro】Ch 5. MateGen 数据库初始化逻辑.ts 55.72M
【MateGenPro】Ch 6 API_Key接口初始化与校验.ts 138.85M
【MateGenPro】Ch 7 缓存池与系统初始化逻辑.ts 356.45M
【MateGenPro】Ch 8 会话管理模块表结构设计与代码讲解.ts 205.36M
大模型应用发展及Agent前沿技术趋势.MP4 1.53G
项目开发实战一：从零搭建多功能智能体 MateGen Pro（第二部分）.ts 3.40G
week_1_1_part_1_课程说明及大模型问答功能复现.mp4 135.84M
week_1_1_part_2_本地私有化部署glm4-9b-chat模型.mp4 140.63M
week_1_1_part_3_调用本地启动的glm4模型的方法.mp4 109.01M
week_1_2_part_1_GLM在线API调用方法.mp4 222.70M
week_1_2_part_2_Langchain应用框架整体介绍.mp4 228.96M
week_1_2_part_3_FastAPI项目介绍.mp4 50.08M
week_2_1_part_1_本周开发任务说明.mp4 31.41M
week_2_1_part_2_Naive RAG介绍及借助LangChain实现RAG流.mp4 292.84M
week_2_1_part_3_RAG集成历史对话信息及SqlalChemy持久化存储的使.mp4 229.22M
week_2_2_part_1_通用问答流程整体流程介绍及参数说明.mp4 221.92M
week_2_2_part_2_FastChat项目说明及Python多进程.mp4 170.39M
week_2_2_part_3_项目启动文件详细说明及流程复现.mp4 175.17M
week_3_1_part_1_企业级RAG的构建架构和思路.mp4 92.47M
week_3_1_part_2_结合Faiss向量数据的RAG Indexing构建流程.mp4 175.93M
week_3_1_part_3_百万量级的wiki公有语料构建方法实践.mp4 122.30M
week_3_1_part_4_yolox + orc 识别私有PDF语料的方案实践.mp4 158.65M
week_3_2_part_1_本地RAG知识库问答功能链路详解与复现.mp4 127.26M
week_3_2_part_2_RAG评估框架-TruLens实践.mp4 164.82M
week_3_2_part_3_RAG评估框架-Ragas的使用及借助GLM4生成评估数据.mp4 244.35M
week_4_1_part_1_自定义RAG评估Pipeline-构建统一的数据集格式.mp4 134.00M
week_4_1_part_2_自定义RAG评估Pipeline-构建统一的提示模板.mp4 30.18M
week_4_1_part_3_自定义RAG评估Pipeline-整体逻辑实现及细节说明.mp4 149.67M
week_4_1_part_4_自定义RAG评估Pipeline-评估指标及评估流程实现.mp4 94.20M
week_4_1_part_5_自定义RAG评估Pipeline-ReRanker原理及实.mp4 85.35M
week_4_2_part_1_Serper API联网检索数据预处理过程拆解.mp4 167.01M
week_4_2_part_2_基于Serper实现系统架构下的联网实时检索功能.mp4 279.05M
week_5_part_1_大模型融入推荐系统一种思路_1.MP4 54.41M
week_5_part_2_大模型用于特征工程及实现推荐系统的整体逻辑代码.MP4 411.41M
week_5_part_3_基于Langchain实现基于ReAct的代码实践及TOT提示.MP4 415.36M
week_5_part_4_项目整体框架下实现基于Agent的问答流程代码实践.ts 93.09M
week_5_part_5_Docker介绍及借助Docker打包部署完整项目的流程.mp4 142.86M
DSPy：斯坦福20k+星标项目 - 革命性的LLM优化框架，从评估到自动优化你的LLM系统（如RAG系统）.ts 1.13G
DSPy优化器优化LLM程序.ts 1.14G
GLM 4 工具调用从入门到精通与CogVideoX 文本生成视频 API 全流程.ts 669.29M
GLM Assistant API集成与FastAPI服务复刻实战指南.ts 927.33M
GLM模型：流式处理的工具调用、多模态应用及模型微调实战指南.ts 545.62M
【Claude】01_了解Claude的所有特质.MP4 145.07M
【Claude】02_Claude的注册流程.ts 70.21M
【Claude】03_API_KEY领取及调用.ts 83.90M
【Claude】04_API必须参数揭秘,多轮对话机器人速成指南_x264.ts 205.22M
【Claude】05_API多模态的最佳实践.ts 88.41M
【Claude】06_API生成定制化与提示工程实战长文档.mp4 136.13M
【Claude】07_tool use全流程讲解与wiki搜索实战.ts 245.39M
【Claude】08_tool_choice与定制Json输出及tool_use大实战.ts 197.23M
【Claude】09_揭秘prompt Cache提示缓存：节省成本加快响应的绝技.ts 124.11M
【Claude】10_stream函数及生成器本质讲解.ts 112.73M
【Claude】11_stream流式概念与使用方法讲解.ts 163.21M
【Claude】12_异步的使用原因与基本语法.ts 120.86M
【Claude】13_异步的API调用的讲解与实践.ts 172.03M
【Gemini】01_Gemini注册指南-最新模型免费API调用.ts 109.71M
【Gemini】02_生态体验攻略与微调实战.ts 95.44M
【Gemini】03_解锁 Gemini API-开启文本生成之旅.ts 116.92M
【Gemini】04_掌握原生generate_content函数多轮对话技巧.ts 64.59M
【Gemini】05_API内置简化多轮对话的start_chat函数与ChatSessi.ts 136.12M
【Gemini】06_API精细化控制生成之System Instruction.ts 62.16M
【Gemini】07_API精细化控制生成之generation_config与max_t.ts 97.31M
【Gemini】08_API精细化控制生成之Temperature与Stop Sequen.ts 103.02M
【Gemini】09_提示工程之长文档实战.ts 107.48M
【Gemini】10_API精细化控制生成结构化与Json参数.ts 120.47M
【GLMAssistantAPI】01_调用assistantAPI流程与效果.ts 117.04M
【GLMAssistantAPI】02_多个assistant演示解析使用.ts 45.77M
【GLMAssistantAPI】03_将智能体集成Agent类使用.ts 69.38M
【GLMAssistantAPI】04_构建fastapi的Web项目.ts 106.28M
【GLMAssistantAPI】05_复刻AssistantAPI.ts 46.82M
【GLM】01_GLM大模型API调用介绍与领取APIKEY.ts 22.23M
【GLM】02_GLM模型API初次调用与响应解析.ts 62.48M
【GLM】03_大模型API调用的消息和构建多轮对话机器人.ts 104.26M
【GLM】04_十分钟速通GLM的可选参数.ts 39.05M
【GLM】05_GLM的stream流式响应讲解.ts 69.98M
【GLM】06_tooluse上-一次api调用的tooluse.ts 99.08M
【GLM】07_tooluse下-两次api调用的tooluse.ts 89.27M
【GLM】08_tooluse接入维基百科搜索实战.ts 73.43M
【GLM】09_CogVideoX视频生成大模型.ts 111.41M
【GPT4o】01_4o文本生成API基本讲解与调用.ts 101.29M
【GPT4o】02_2个核心必需参数详解与对话消息本质剖析.ts 118.30M
【GPT4o】03_多轮对话历史及面向对象多轮对话机器人实战.ts 120.31M
【GPT4o】04_精细控制生成可选参数系列讲解.ts 140.19M
【GPT4o】05_4o多模态图片的文本生成API调用详解.ts 144.29M
【GPT4o】06_3步的 tool use基础讲解与【实战】社交媒体情绪数据分析.ts 129.05M
【GPT4o】07_5步的 tool use完整的调用流程与汇总.ts 85.78M
【GPT4o】08_tool use 维基百科实时写作助手【实战】.ts 120.24M
【GPT4o】09_并行的函数调用与实时股票价格、历史走势绘图与分析【实战】.ts 113.24M
【GPT4o】10_输出生成结构化的3种方式（JSON结构化）.ts 143.38M
【GPT4o】11_首token时延与提示缓存原理与最佳实践.ts 101.11M
【GPT4o】12_Streaming流式响应详解.ts 196.61M
【GPT4o】13_函数调用中的Streaming流式响应.ts 114.33M
【GPT4o】14_风格微调（上）创建数据集与微调作业.ts 199.23M
【GPT4o】15_风格微调（下）微调作业运行与应用评估.ts 109.84M
【GPTo1】01_o1大模型原理介绍 从4o到o1实际上发生了什么.ts 88.22M
【GPTo1】02_o1模型的API调用详解与总结.ts 132.97M
【GPTo1】03_通过COT制作4o-mini版本的o1模型【实战】.ts 102.79M
【GPTo1】04_2种加载模型o1没有的Json结构功能与【实战】.ts 84.03M
【GPTo1】05_用o1蒸馏模型实战（上）.ts 117.80M
【GPTo1】06_用o1蒸馏模型实战（下）.ts 104.68M
【GPT】01_OPENAI的账号注册速通.ts 147.02M
【GPT】02_OPEN AI官网及开发者平台使用指南.ts 182.38M
【GPT】03_虚拟信用卡开通与升级GPT_Plus会员.ts 111.43M
【GPT】04_API账户充值及领取API_KEY及首次调用API.ts 147.84M
提示工程全解指南.ts 775.00M
大模型与Agent开发实战课件
05_OpenAI Assistant API 进阶应用.zip 61.11M
CH 1 论文.zip 14.15M