跟龙哥学真AI-AI大模型应用开发模型训练-RAG-Agent-AI项目实战-行… | getfromcode

跟龙哥学真AI-AI大模型应用开发模型训练-RAG-Agent-AI项目实战-行业落地课

课程简介

这套课程聚焦大模型应用落地的核心链路，旨在解决开发者从理论概念到工程实现的断层问题。它不局限于调用 API 的浅层应用，而是深入探讨检索增强生成（RAG）的架构演进与智能体（Agent）的构建逻辑。内容覆盖了从基础 RAG 到模块化、高级 RAG 的完整技术栈，并结合企业级实战场景，帮助开发者理解如何在复杂业务中部署稳定、高效的大模型应用。对于希望突破 P…

已有 20 人浏览发布 2026-03-01 更新 2026-10-12

技术栈与前置基础

课程深度依赖 Python 生态，核心框架涉及 LangChain 及 LlamaIndex。学习者需具备扎实的 Python 编程能力，熟悉异步编程与 API 调试，并对 Transformer 架构有基本认知。资料包中提供的 PDF 文档针对 Embedding 技术、Rerank 重排序机制以及 Llama-Factory 微调流程进行了理论补充，建议在读视频前先行通读这些文档，建立对向量检索原理和微调参数的概念框架。这种“理论文档先行，视频实操跟进”的模式，能有效避免在代码调试时因底层原理不清导致的盲目试错。

核心模块与学习路径

建议按以下顺序切入：首先攻克 NaiveRAG 与 LangChain 的基础实践，理解数据切分、向量化与检索的基本闭环；随后进入高级 RAG 部分，重点研究层次索引、句子窗口、子查询策略以及 HyDE（假设文档嵌入）技术，这些是提升检索精度的关键；最后深入模块化 RAG，掌握顺序、条件、分支及递归检索模式，这是构建复杂 Agent 工作流的基础。资料中的企业 RAG 实战文档可作为对照案例，帮助理解生产环境下的架构设计。学完这些模块，你应能独立设计并部署一个具备多路召回、重排序及动态提示词优化能力的企业级 RAG 系统，并能利用 Llama-Factory 针对特定领域数据进行模型微调，实现从通用模型到垂直领域应用的转化。

课程目录：

【资源目录】：
├──资料
| ├──ai认知课.pdf 140.00kb
| ├──embedding技术.pdf 842.78kb
| ├──llama-factory微调.pdf 428.79kb
| ├──rerank技术.pdf 242.05kb
| └──企业RAG技术实战.pdf 1.05M
├──10_第二课：NaiveRAG与langchain实践 .mp4 98.44M
├──11_第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE .mp4 121.10M
├──12_第四课：高级RAG（二）提示词压缩，融合，llamainde .mp4 98.22M
├──13_第五课：模块化RAG（一）顺序模式，条件模式，分支模式 .mp4 87.13M
├──14_第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc .mp4 134.03M
├──15_第七课：Embedding原理：word2vec、CBOW .mp4 111.35M
├──16_第八课：Embedding模型训练：llamaindex微调 .mp4 147.62M
├──17_第九课：Embedding模型评估：MRR评测，MTEB评测 .mp4 154.36M
├──18_第十课：Rerank技术原理与实践（一）交叉编码与双编码 .mp4 97.70M
├──19_第十一课：Rerank模型微调与实践（二）rankGPT .mp4 108.41M
├──1_第一课：人工智能介绍：迭代路径，大模型进化树，技术分类 .mp4 82.74M
├──20_第十二课：向量数据库简介与相似性测量：欧式距离，余弦相似度 .mp4 98.42M
├──21_第十三课：相似性搜索算法：k-means，肘部法则 .mp4 123.35M
├──22_第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH .mp4 175.46M
├──23_第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量 .mp4 73.62M
├──24_第十六课：向量数据库代码示例：chroma与qdrant代码 .mp4 54.50M
├──25_第十七课：RAG评估：评估指标，RAGAs，TruLens .mp4 153.20M
├──26_第十八课：RAG行业落地：实践心得，落地经验，业务场景 .mp4 110.48M
├──27_第一课：Agent原理简介：planning、memory、 .mp4 87.51M
├──28_第二课：提示词工程：软提示词，fewshot，COT TOT .mp4 128.03M
├──29_第三课：Agent平台：国内外主流平台，Coze搭建智能客服 .mp4 108.74M
├──2_第二课：柏拉图表征假说与scalinglaw：KM缩放定律 .mp4 86.18M
├──30_第四课：Agent工具使用与functioncall：MR .mp4 121.77M
├──31_第五课：Agent设计模式（一）：Fewshot，ReAct .mp4 134.85M
├──32_第六课：Agent设计模式（二）：REWOO，LLMComp .mp4 142.04M
├──33_第七课：Agent设计模式（三）：Reflexion，LAT .mp4 164.18M
├──35_第九课：Langchain项目原理与实战 .mp4 146.45M
├──36_第十课：Langgraph项目原理与实战 .mp4 84.80M
├──37_第十一课：Langgraph多Agent架构：协作多Age .mp4 111.58M
├──38_第十二课：AutoGen项目原理与实战（一）：AutoGen .mp4 130.63M
├──39_第十三课：AutoGen项目原理与实战（二）：代码执行，工具 .mp4 119.32M
├──3_第三课：AI开发环境（python、conda、vscode .mp4 81.29M
├──40_第十四课：CrewAI项目原理与实战：Crew Task A .mp4 120.59M
├──4_第一课：大模型微调llama-factory环境准备 .mp4 121.74M
├──5_第二课：微调数据集准备（SFT 继续预训练，偏好优化） .mp4 175.76M
├──6_第三课：微调过程lora微调与Qlora微调 .mp4 208.70M
├──7_第四课：模型评估（批量推理与自动评估benchmark） .mp4 157.73M
├──8_第五课：模型部署（模型合并导出与量化，本地部署） .mp4 145.28M
└──9_第一课：RAG技术原理与RAGFlow项目实操 .mp4 126.56M

跟龙哥学真AI-AI大模型应用开发​模型训练-RAG-Agent-AI项目实战-行业落地课

技术栈与前置基础

核心模块与学习路径

跟龙哥学真AI-AI大模型应用开发模型训练-RAG-Agent-AI项目实战-行业落地课