2026尚硅谷AI智能体速成班V2.0

├── 尚硅谷AI大模型之NLP教程【录播课】

│   ├── 4.视频

│   │   ├── 153-NLP-预训练模型-主流模型-GPT-模型结构.mp4

│   │   ├── 187-NLP-预训练模型-案例-带任务头的预训练模型.mp4

│   │   ├── 118-NLP-Transformer-模型结构-整体结构.mp4

│   │   ├── 029-NLP-传统序列模型-RNN-多层结构.mp4

│   │   ├── 101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型.mp4

│   │   ├── 144-NLP-Transformer-案例-模型定义-位置编码-简易实现.mp4

│   │   ├── 062-NLP-传统序列模型-RNN-案例-代码改造说明.mp4

│   │   ├── 070-NLP-传统序列模型-LSTM-复杂结构.mp4

│   │   ├── 013-NLP-文本表示-分词-分词工具-jieba-自定义词典.mp4

│   │   ├── 064-NLP-传统序列模型-RNN-案例-Tokenizer-编码.mp4

│   │   ├── 033-NLP-传统序列模型-RNN-API-输入输出-概述.mp4

│   │   ├── 022-NLP-文本表示-词表示-语义化词向量-应用-概述.mp4

│   │   ├── 161-NLP-预训练模型-主流模型-T5-预训练&微调.mp4

│   │   ├── 063-NLP-传统序列模型-RNN-案例-Tokenizer-说明.mp4

│   │   ├── 060-NLP-传统序列模型-RNN-案例-评估脚本-说明.mp4

│   │   ├── 042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件.mp4

│   │   ├── 165-NLP-预训练模型-HF-模型使用.mp4

│   │   ├── 120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量.mp4

│   │   ├── 093-NLP-Seq2Seq-模型结构-案例实操-需求分析.mp4

│   │   ├── 131-NLP-Transformer-模型结构-解码器-Mask-Attention.mp4

│   │   ├── 172-NLP-预训练模型-HF-Datasets-加载在线数据集.mp4

│   │   ├── 096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建.mp4

│   │   ├── 138-NLP-Transformer-API-nn.Transformer-构造参数.mp4

│   │   ├── 012-NLP-文本表示-分词-分词工具-jieba-分词模式-API.mp4

│   │   ├── 073-NLP-传统序列模型-LSTM-案例-概述&思路分析.mp4

│   │   ├── 045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表.mp4

│   │   ├── 139-NLP-Transformer-API-nn.Transformer-forward方法-概述.mp4

│   │   ├── 056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型.mp4

│   │   ├── 154-NLP-预训练模型-主流模型-GPT-预训练.mp4

│   │   ├── 072-NLP-传统序列模型-LSTM-API-输入输出.mp4

│   │   ├── 054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑.mp4

│   │   ├── 124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述.mp4

│   │   ├── 015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述.mp4

│   │   ├── 048-NLP-传统序列模型-RNN-案例-数据集-说明.mp4

│   │   ├── 004-NLP-导论-技术演进历史.mp4

│   │   ├── 148-NLP-Transformer-案例-预测&评估脚本.mp4

│   │   ├── 083-NLP-传统序列模型-GRU-基础结构.mp4

│   │   ├── 081-NLP-传统序列模型-LSTM-案例-模型评估.mp4

│   │   ├── 157-NLP-预训练模型-主流模型-BERT-模型结构.mp4

│   │   ├── 005-NLP-环境准备.mp4

│   │   ├── 141-NLP-Transformer-API-nn.Transformer-encoder&decoder.mp4

│   │   ├── 121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程.mp4

│   │   ├── 107-NLP-Seq2Seq-总结.mp4

│   │   ├── 122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力.mp4

│   │   ├── 090-NLP-Seq2Seq-模型结构-训练机制.mp4

│   │   ├── 127-NLP-Transformer-模型结构-编码器-位置编码.mp4

│   │   ├── 095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer.mp4

│   │   ├── 176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下.mp4

│   │   ├── 066-NLP-传统序列模型-RNN-存在问题-分析.mp4

│   │   ├── 059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下.mp4

│   │   ├── 183-NLP-预训练模型-案例-模型训练.mp4

│   │   ├── 058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上.mp4

│   │   ├── 047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集.mp4

│   │   ├── 113-NLP-Attention机制-案例-注意力机制-实现思路.mp4

│   │   ├── 174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集.mp4

│   │   ├── 086-NLP-传统序列模型-LSTM_GRU_RNN横向对比.mp4

│   │   ├── 003-NLP-导论-常见任务.mp4

│   │   ├── 137-NLP-Transformer-API-概述.mp4

│   │   ├── 134-NLP-Transformer-实现细节-注意力为什么需要缩放.mp4

│   │   ├── 077-NLP-传统序列模型-LSTM-案例-数据集.mp4

│   │   ├── 102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码.mp4

│   │   ├── 053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环.mp4

│   │   ├── 175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上.mp4

│   │   ├── 089-NLP-Seq2Seq-模型结构-解码器.mp4

│   │   ├── 110-NLP-Attention机制-工作原理-具体步骤.mp4

│   │   ├── 079-NLP-传统序列模型-LSTM-案例-模型训练.mp4

│   │   ├── 143-NLP-Transformer-案例-模型定义-基础结构.mp4

│   │   ├── 119-NLP-Transformer-模型结构-编码器-概述.mp4

│   │   ├── 129-NLP-Transformer-模型结构-编码器-小结.mp4

│   │   ├── 109-NLP-Attention机制-工作原理-概述.mp4

│   │   ├── 156-NLP-预训练模型-主流模型-BERT-概述.mp4

│   │   ├── 180-NLP-预训练模型-案例-数据预处理-下.mp4

│   │   ├── 136-NLP-Transformer-模型训练和推理机制.mp4

│   │   ├── 007-NLP-文本表示-分词-英文分词.mp4

│   │   ├── 092-NLP-Seq2Seq-模型结构-案例实操-概述.mp4

│   │   ├── 071-NLP-传统序列模型-LSTM-API-构造参数.mp4

│   │   ├── 032-NLP-传统序列模型-RNN-API-构造参数.mp4

│   │   ├── 065-NLP-传统序列模型-RNN-存在问题-概述.mp4

│   │   ├── 150-NLP-预训练模型-概述.mp4

│   │   ├── 037-NLP-传统序列模型-案例-概述.mp4

│   │   ├── 026-NLP-传统序列模型-RNN-概述.mp4

│   │   ├── 111-NLP-Attention机制-注意力评分函数.mp4

│   │   ├── 076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下.mp4

│   │   ├── 166-NLP-预训练模型-HF-Tokenizer-加载.mp4

│   │   ├── 186-NLP-预训练模型-案例-测试.mp4

│   │   ├── 151-NLP-预训练模型-分类.mp4

│   │   ├── 105-NLP-Seq2Seq-案例-评估脚本-bleu说明.mp4

│   │   ├── 061-NLP-传统序列模型-RNN-案例-评估脚本-编码.mp4

│   │   ├── 167-NLP-预训练模型-HF-Tokenizer-使用.mp4

│   │   ├── 181-NLP-预训练模型-案例-Dataloader.mp4

│   │   ├── 044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理.mp4

│   │   ├── 130-NLP-Transformer-模型结构-解码器-概述.mp4

│   │   ├── 094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件.mp4

│   │   ├── 067-NLP-传统序列模型-LSTM-概述.mp4

│   │   ├── 034-NLP-传统序列模型-RNN-API-输入输出-含义.mp4

│   │   ├── 114-NLP-Attention机制-案例-注意力机制-编码.mp4

│   │   ├── 018-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-说明.mp4

│   │   ├── 024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题.mp4

│   │   ├── 169-NLP-预训练模型-HF-Datasets-概述.mp4

│   │   ├── 050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法.mp4

│   │   ├── 170-NLP-预训练模型-HF-Datasets-加载数据集.mp4

│   │   ├── 087-NLP-Seq2Seq-概述.mp4

│   │   ├── 168-NLP-预训练模型-HF-Tokenizer-模型配合使用.mp4

│   │   ├── 052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备.mp4

│   │   ├── 001-NLP-课程简介.mp4

│   │   ├── 038-NLP-传统序列模型-案例-思路分析-数据集说明.mp4

│   │   ├── 016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram.mp4

│   │   ├── 009-NLP-文本表示-分词-中文分词.mp4

│   │   ├── 027-NLP-传统序列模型-RNN-基础结构.mp4

│   │   ├── 019-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-编码.mp4

│   │   ├── 178-NLP-预训练模型-HF-Datasets-集成Dataloader.mp4

│   │   ├── 069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸.mp4

│   │   ├── 028-NLP-传统序列模型-RNN-示意图.mp4

│   │   ├── 017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW.mp4

│   │   ├── 171-NLP-预训练模型-HF-Datasets-查看数据集.mp4

│   │   ├── 163-NLP-预训练模型-HF-模型加载-AutoModel.mp4

│   │   ├── 014-NLP-文本表示-词表示-one-hot&语义化词向量-概述.mp4

│   │   ├── 039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路.mp4

│   │   ├── 106-NLP-Seq2Seq-案例-评估脚本-编码.mp4

│   │   ├── 085-NLP-传统序列模型-GRU-案例实操.mp4

│   │   ├── 112-NLP-Attention机制-案例-代码升级改造思路.mp4

│   │   ├── 030-NLP-传统序列模型-RNN-双向结构.mp4

│   │   ├── 046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集.mp4

│   │   ├── 142-NLP-Transformer-案例-代码改造思路.mp4

│   │   ├── 075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上.mp4

│   │   ├── 158-NLP-预训练模型-主流模型-BERT-微调.mp4

│   │   ├── 002-NLP-课程概述.mp4

│   │   ├── 036-NLP-传统序列模型-RNN-API-小练习.mp4

│   │   ├── 115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改.mp4

│   │   ├── 082-NLP-传统序列模型-LSTM-存在问题.mp4

│   │   ├── 008-NLP-文本表示-分词-英文分词-BPE算法.mp4

│   │   ├── 140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出.mp4

│   │   ├── 125-NLP-Transformer-模型结构-编码器-残差连接-说明.mp4

│   │   ├── 185-NLP-预训练模型-案例-模型评估.mp4

│   │   ├── 128-NLP-Transformer-模型结构-编码器-说明.mp4

│   │   ├── 084-NLP-传统序列模型-GRU-复杂结构&API使用说明.mp4

│   │   ├── 182-NLP-预训练模型-案例-模型定义.mp4

│   │   ├── 080-NLP-传统序列模型-LSTM-案例-模型预测.mp4

│   │   ├── 135-NLP-Transformer-实现细节-注意力如何感知相对位置.mp4

│   │   ├── 159-NLP-预训练模型-主流模型-BERT-预训练.mp4

│   │   ├── 149-NLP-Transformer-哈佛版本-核心源码解读.mp4

│   │   ├── 152-NLP-预训练模型-主流模型-GPT-概述.mp4

│   │   ├── 100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器.mp4

│   │   ├── 031-NLP-传统序列模型-RNN-多层+双向结构.mp4

│   │   ├── 049-NLP-传统序列模型-RNN-案例-数据集-编码.mp4

│   │   ├── 023-NLP-文本表示-词表示-语义化词向量-应用-编码.mp4

│   │   ├── 108-NLP-Attention机制-概述.mp4

│   │   ├── 160-NLP-预训练模型-主流模型-T5-概述&模型结构.mp4

│   │   ├── 116-NLP-Transformer-概述.mp4

│   │   ├── 164-NLP-预训练模型-HF-模型加载-AutoModelForXXX.mp4

│   │   ├── 011-NLP-文本表示-分词-分词工具-jieba-分词模式.mp4

│   │   ├── 126-NLP-Transformer-模型结构-编码器-层归一化.mp4

│   │   ├── 051-NLP-传统序列模型-RNN-案例-模型定义-前向传播.mp4

│   │   ├── 123-NLP-Transformer-模型结构-编码器-前馈神经网络层.mp4

│   │   ├── 078-NLP-传统序列模型-LSTM-案例-模型定义.mp4

│   │   ├── 173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据.mp4

│   │   ├── 041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析.mp4

│   │   ├── 132-NLP-Transformer-模型结构-解码器-Cross-Attention.mp4

│   │   ├── 068-NLP-传统序列模型-LSTM-基础结构-说明.mp4

│   │   ├── 145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现.mp4

│   │   ├── 043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明.mp4

│   │   ├── 177-NLP-预训练模型-HF-Datasets-保存数据集.mp4

│   │   ├── 021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操.mp4

│   │   ├── 098-NLP-Seq2Seq-模型结构-案例实操-Dataloader.mp4

│   │   ├── 074-NLP-传统序列模型-LSTM-案例-数据处理-说明.mp4

│   │   ├── 006-NLP-文本表示-概述.mp4

│   │   ├── 133-NLP-Transformer-模型结构-解码器-小结.mp4

│   │   ├── 117-NLP-Transformer-核心思想.mp4

│   │   ├── 097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集.mp4

│   │   ├── 025-NLP-文本表示-词表示-上下文相关词向量.mp4

│   │   ├── 184-NLP-预训练模型-案例-模型推理.mp4

│   │   ├── 088-NLP-Seq2Seq-模型结构-编码器.mp4

│   │   ├── 146-NLP-Transformer-案例-模型定义-前向传播.mp4

│   │   ├── 162-NLP-预训练模型-HF-概述.mp4

│   │   ├── 104-NLP-Seq2Seq-案例-预测脚本.mp4

│   │   ├── 091-NLP-Seq2Seq-模型结构-推理机制.mp4

│   │   ├── 040-NLP-传统序列模型-RNN-案例-项目结构.mp4

│   │   ├── 179-NLP-预训练模型-案例-数据预处理-上.mp4

│   │   ├── 103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑.mp4

│   │   ├── 099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器.mp4

│   │   ├── 055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明.mp4

│   │   ├── 035-NLP-传统序列模型-RNN-API-输入输出-形状分析.mp4

│   │   ├── 020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述.mp4

│   │   ├── 057-NLP-传统序列模型-RNN-案例-预测脚本-说明.mp4

│   │   ├── 155-NLP-预训练模型-主流模型-GPT-微调.mp4

│   │   ├── 010-NLP-文本表示-分词-分词工具-概述.mp4

│   │   ├── 147-NLP-Transformer-案例-训练脚本.mp4

│   ├── 2.资料

│   │   ├── 2.数据集

│   │   │   ├── 3.中英短句数据集

│   │   │   │   ├── cmn.txt

│   │   │   ├── 1.评论数据集

│   │   │   │   ├── online_shopping_10_cats.csv

│   │   │   ├── 2.对话数据集

│   │   │   │   ├── synthesized_.jsonl

│   │   ├── 1.词向量

│   │   │   ├── sgns.weibo.word.bz2

│   │   ├── 3.预训练模型

│   │   │   ├── bert-base-chinese

│   │   │   │   ├── config.json

│   │   │   │   ├── model.safetensors

│   │   │   │   ├── vocab.txt

│   │   │   │   ├── tokenizer.json

│   │   │   │   ├── tokenizer_config.json

│   ├── 1.笔记

│   │   ├── 尚硅谷大模型技术之NLP1.0.3.docx

│   ├── 3.代码

│   │   ├── 代码.zip

│   ├── NLP课程简介.txt

├── 【注意】课程同步更新中！

├── 03-项目_掌柜问数

│   ├── 尚硅谷大模型项目之掌柜问数

│   │   ├── 1.笔记

│   │   │   ├── 尚硅谷大模型项目之掌柜问数.docx

│   │   ├── 2.资料

│   │   │   ├── node

│   │   │   │   ├── node-v22.22.0-x64.msi

│   │   │   ├── docker

│   │   │   │   ├── embedding

│   │   │   │   │   ├── bge-large-zh-v1.5

│   │   │   │   │   │   ├── 1_Pooling

│   │   │   │   │   │   │   ├── config.json

│   │   │   │   │   │   ├── .cache

│   │   │   │   │   │   │   ├── huggingface

│   │   │   │   │   │   │   │   ├── download

│   │   │   │   │   │   │   │   │   ├── 1_Pooling

│   │   │   │   │   │   │   │   │   │   ├── config.json.metadata

│   │   │   │   │   │   │   │   │   ├── pytorch_model.bin.metadata

│   │   │   │   │   │   │   │   │   ├── vocab.txt.metadata

│   │   │   │   │   │   │   │   │   ├── .gitattributes.metadata

│   │   │   │   │   │   │   │   │   ├── config_sentence_transformers.json.metadata

│   │   │   │   │   │   │   │   │   ├── special_tokens_map.json.metadata

│   │   │   │   │   │   │   │   │   ├── tokenizer.json.metadata

│   │   │   │   │   │   │   │   │   ├── tokenizer_config.json.metadata

│   │   │   │   │   │   │   │   │   ├── README.md.metadata

│   │   │   │   │   │   │   │   │   ├── config.json.metadata

│   │   │   │   │   │   │   │   │   ├── modules.json.metadata

│   │   │   │   │   │   │   │   │   ├── sentence_bert_config.json.metadata

│   │   │   │   │   │   │   │   ├── .gitignore

│   │   │   │   │   │   ├── sentence_bert_config.json

│   │   │   │   │   │   ├── README.md

│   │   │   │   │   │   ├── .gitattributes

│   │   │   │   │   │   ├── tokenizer_config.json

│   │   │   │   │   │   ├── config.json

│   │   │   │   │   │   ├── vocab.txt

│   │   │   │   │   │   ├── config_sentence_transformers.json

│   │   │   │   │   │   ├── tokenizer.json

│   │   │   │   │   │   ├── modules.json

│   │   │   │   │   │   ├── pytorch_model.bin

│   │   │   │   │   │   ├── special_tokens_map.json

│   │   │   │   ├── mysql

│   │   │   │   │   ├── dw.sql

│   │   │   │   │   ├── meta.sql

│   │   │   │   ├── elasticsearch

│   │   │   │   │   ├── plugins

│   │   │   │   │   │   ├── elasticsearch-analysis-ik-8.19.10.zip

│   │   │   │   │   ├── Dockerfile

│   │   │   │   ├── docker-compose.yaml

│   │   │   ├── prompts

│   │   │   │   ├── correct_sql.prompt

│   │   │   │   ├── extend_keywords_for_metric_recall.prompt

│   │   │   │   ├── generate_sql.prompt

│   │   │   │   ├── extend_keywords_for_column_recall.prompt

│   │   │   │   ├── filter_metric_info.prompt

│   │   │   │   ├── extend_keywords_for_value_recall.prompt

│   │   │   │   ├── filter_table_info.prompt

│   │   ├── 4.视频

│   │   │   ├── day_06（下午＋晚上）

│   │   │   │   ├── 14-掌柜问数-问数智能体-执行SQL.mp4

│   │   │   │   ├── 05-掌柜问数-问数智能体-合并召回信息-三.mp4

│   │   │   │   ├── 02-掌柜问数-问数智能体-召回字段取值.mp4

│   │   │   │   ├── 12-掌柜问数-问数智能体-校验SQL.mp4

│   │   │   │   ├── 16-掌柜问数-API接口-流式响应.mp4

│   │   │   │   ├── 08-掌柜问数-问数智能体-过滤表信息.mp4

│   │   │   │   ├── 10-掌柜问数-问数智能体-添加额外上下文.mp4

│   │   │   │   ├── 17-掌柜问数-API接口-SSE协议.mp4

│   │   │   │   ├── 09-掌柜问数-问数智能体-过滤指标信息.mp4

│   │   │   │   ├── data-agent.zip

│   │   │   │   ├── 06-掌柜问数-问数智能体-合并召回信息-四.mp4

│   │   │   │   ├── 03-掌柜问数-问数智能体-合并召回信息-一.mp4

│   │   │   │   ├── 13-掌柜问数-问数智能体-校正SQL.mp4

│   │   │   │   ├── 15-掌柜问数-API接口-需求说明.mp4

│   │   │   │   ├── 18-掌柜问数-API接口-声明周期事件.mp4

│   │   │   │   ├── 04-掌柜问数-问数智能体-合并召回信息-二.mp4

│   │   │   │   ├── 11-掌柜问数-问数智能体-生成SQL.mp4

│   │   │   │   ├── 07-掌柜问数-问数智能体-合并召回信息-五.mp4

│   │   │   │   ├── 01-掌柜问数-问数智能体-召回指标信息.mp4

│   │   │   ├── day_04

│   │   │   │   ├── 06-掌柜问数-元数据知识库-脚本参数解析.mp4

│   │   │   │   ├── 08-掌柜问数-元数据知识库-读取配置文件.mp4

│   │   │   │   ├── data-agent.zip

│   │   │   │   ├── 10-掌柜问数-元数据知识库-保存表信息和字段信息到数据库-上.mp4

│   │   │   │   ├── 05-掌柜问数-元数据知识库-脚本执行说明.mp4

│   │   │   │   ├── 01-掌柜问数-Docker环境问题.mp4

│   │   │   │   ├── 02-掌柜问数-基础设置-MySQLClient-完善.mp4

│   │   │   │   ├── 03-掌柜问数-基础设置-日志相关配置.mp4

│   │   │   │   ├── 09-掌柜问数-元数据知识库-代码分层梳理.mp4

│   │   │   │   ├── 07-掌柜问数-元数据知识库-代码分层说明.mp4

│   │   │   │   ├── 04-掌柜问数-元数据知识库-需求说明.mp4

│   │   │   ├── day_03

│   │   │   │   ├── 09-掌柜问数-基础设施-MySQLClient-编码.mp4

│   │   │   │   ├── 05-掌柜问数-基础设施-ESClient-编码.mp4

│   │   │   │   ├── 10-掌柜问数-基础设施-MySQLClient-参数配置.mp4

│   │   │   │   ├── 02-掌柜问数-基础设施-ESClient-基础概念.mp4

│   │   │   │   ├── 01-掌柜问数-基础设施-QdrantClients-异步.mp4

│   │   │   │   ├── 06-掌柜问数-基础设施-EmbeddingClient-概述.mp4

│   │   │   │   ├── data-agent.zip

│   │   │   │   ├── 03-掌柜问数-基础设施-ESClient-客户端概述.mp4

│   │   │   │   ├── 04-掌柜问数-基础设施-ESClient-快速入门.mp4

│   │   │   │   ├── 07-掌柜问数-基础设施-EmbeddingClient-编码.mp4

│   │   │   │   ├── 08-掌柜问数-基础设施-MySQLClient-快速入门.mp4

│   │   │   ├── day_02

│   │   │   │   ├── 07-掌柜问数-开发环境-启动所需服务.mp4

│   │   │   │   ├── 04-掌柜问数-开发环境-安装依赖.mp4

│   │   │   │   ├── 08-掌柜问数-基础设施-项目结构.mp4

│   │   │   │   ├── 03-掌柜问数-开发环境-UV使用说明.mp4

│   │   │   │   ├── 02-掌柜问数-开发环境-创建UV项目.mp4

│   │   │   │   ├── 11-掌柜问数-基础设施-Qdrant客户端.mp4

│   │   │   │   ├── 09-掌柜问数-基础设施-配置参数管理.mp4

│   │   │   │   ├── 06-掌柜问数-开发环境-Docker镜像使用说明.mp4

│   │   │   │   ├── 05-掌柜问数-开发环境-安装Docker.mp4

│   │   │   │   ├── 10-掌柜问数-基础设施-Qdrant快速入门.mp4

│   │   │   │   ├── 01-掌柜问数-课程回顾.mp4

│   │   │   ├── day_01

│   │   │   │   ├── 06-掌柜问数-项目架构-全文索引.mp4

│   │   │   │   ├── 04-掌柜问数-项目架构-元数据库.mp4

│   │   │   │   ├── 01-掌柜问数-项目概述.mp4

│   │   │   │   ├── 03-掌柜问数-项目架构.mp4

│   │   │   │   ├── 07-掌柜问数-项目架构-问数智能体.mp4

│   │   │   │   ├── 05-掌柜问数-项目架构-向量索引.mp4

│   │   │   │   ├── 02-掌柜问数-核心思想.mp4

│   │   │   ├── day_05（下午+晚上）

│   │   │   │   ├── 18-掌柜问数-问数智能体-召回字段信息-下.mp4

│   │   │   │   ├── 05-掌柜问数-元数据知识库-为字段信息建立向量索引-下.mp4

│   │   │   │   ├── 08-掌柜问数-元数据知识库-整理代码.mp4

│   │   │   │   ├── data-agent.zip

│   │   │   │   ├── 11-掌柜问数-元数据知识库-最终测试.mp4

│   │   │   │   ├── 09-掌柜问数-元数据知识库-保存指标信息到元数据库.mp4

│   │   │   │   ├── 04-掌柜问数-元数据知识库-为字段信息建立向量索引-中.mp4

│   │   │   │   ├── 06-掌柜问数-元数据知识库-为字段取值构建全文索引-上.mp4

│   │   │   │   ├── 16-掌柜问数-问数智能体-抽取关键词.mp4

│   │   │   │   ├── 12-掌柜问数-问数智能体-流程回顾.mp4

│   │   │   │   ├── 07-掌柜问数-元数据知识库-为字段取值构建全文索引-下.mp4

│   │   │   │   ├── 10-掌柜问数-元数据知识库-为指标信息建立向量索引.mp4

│   │   │   │   ├── 13-掌柜问数-问数智能体-langgraph基础回顾.mp4

│   │   │   │   ├── 03-掌柜问数-元数据知识库-为字段信息建立向量索引-上.mp4

│   │   │   │   ├── 14-掌柜问数-问数智能体-流程图搭建.mp4

│   │   │   │   ├── 17-掌柜问数-问数智能体-召回字段信息-上.mp4

│   │   │   │   ├── 01-掌柜问数-元数据知识库-保存表信息和字段信息到数据库-中.mp4

│   │   │   │   ├── 15-掌柜问数-问数智能体-流程图流式输出.mp4

│   │   │   │   ├── 02-掌柜问数-元数据知识库-保存表信息和字段信息到数据库-下.mp4

│   │   ├── 3.代码

│   │   │   ├── data-agent.zip

│   │   │   ├── data-agent-fronted.zip

├── 01-大模型概述_低代码智能体开发_企业级LM部署（宋老师）

│   ├── day02

│   │   ├── 课件

│   │   │   ├── 课件 v1.1.zip

│   │   ├── 视频

│   │   │   ├── 08-智能体的整体介绍_coze的界面功能介绍.mp4

│   │   │   ├── 01-关于RAG的说明.mp4

│   │   │   ├── 03-关于模型续训的说明.mp4

│   │   │   ├── 04-关于智能体的说明（含mcp、工作流）.mp4

│   │   │   ├── 05-RAG的基本执行流程.mp4

│   │   │   ├── 07-以Dify为例演示RAG知识库的使用.mp4

│   │   │   ├── 11-创建智能体3：家庭记账软件_Dify智能体创建的简单演示.mp4

│   │   │   ├── 09-创建智能体1：深夜情感主播.mp4

│   │   │   ├── 10-创建智能体2：大学百事通.mp4

│   │   │   ├── 02-关于模型微调的说明.mp4

│   │   │   ├── 06-以CherryStudio和ima为例，说明RAG知识库的使用.mp4

│   ├── day01

│   │   ├── 大模型概述

│   │   │   ├── 视频

│   │   │   │   ├── 04-大模型的分类.mp4

│   │   │   │   ├── 06-大模型的训练环节.mp4

│   │   │   │   ├── 10-提示词工程的几个要素.mp4

│   │   │   │   ├── 02-为什么会出现大模型.mp4

│   │   │   │   ├── 11-提示词的边界_注意点.mp4

│   │   │   │   ├── 01-整体课程介绍.mp4

│   │   │   │   ├── 09-工程化落地的整体流程.mp4

│   │   │   │   ├── 08-工程化的几个模块_如何访问大模型.mp4

│   │   │   │   ├── 07-大模型的推理环节_算力和算力的瓶颈.mp4

│   │   │   │   ├── 05-大模型的4个要素.mp4

│   │   │   │   ├── 03-大模型中的计量单位.mp4

│   │   │   ├── 课件

│   │   │   │   ├── images

│   │   │   │   │   ├── wps62.jpg

│   │   │   │   │   ├── wps16.jpg

│   │   │   │   │   ├── wps54.jpg

│   │   │   │   │   ├── wps66.jpg

│   │   │   │   │   ├── wps46.jpg

│   │   │   │   │   ├── image-20250811153814907.png

│   │   │   │   │   ├── image-20260110172355388.png

│   │   │   │   │   ├── wps3.jpg

│   │   │   │   │   ├── wps51.jpg

│   │   │   │   │   ├── wps65.jpg

│   │   │   │   │   ├── wps57.jpg

│   │   │   │   │   ├── wps44.jpg

│   │   │   │   │   ├── wps13.jpg

│   │   │   │   │   ├── wps33.jpg

│   │   │   │   │   ├── wps63.jpg

│   │   │   │   │   ├── wps37.jpg

│   │   │   │   │   ├── wps5.jpg

│   │   │   │   │   ├── wps24.jpg

│   │   │   │   │   ├── wps45.jpg

│   │   │   │   │   ├── wps38.jpg

│   │   │   │   │   ├── wps22.jpg

│   │   │   │   │   ├── langchain+chatglm.png

│   │   │   │   │   ├── wps42.jpg

│   │   │   │   │   ├── wps60.jpg

│   │   │   │   │   ├── wps79.jpg

│   │   │   │   │   ├── wps1.jpg

│   │   │   │   │   ├── wps23.jpg

│   │   │   │   │   ├── wps92.jpg

│   │   │   │   │   ├── wps19.jpg

│   │   │   │   │   ├── wps25.jpg

│   │   │   │   │   ├── wps70.jpg

│   │   │   │   │   ├── 7e7e123a4aa1ac37d9ee94c2ac0c7fa0.png

│   │   │   │   │   ├── wps61.jpg

│   │   │   │   │   ├── wps7.jpg

│   │   │   │   │   ├── wps47.jpg

│   │   │   │   │   ├── wps93.jpg

│   │   │   │   │   ├── wps14.jpg

│   │   │   │   │   ├── wps90.jpg

│   │   │   │   │   ├── wps94.jpg

│   │   │   │   │   ├── wps53.jpg

│   │   │   │   │   ├── wps20.jpg

│   │   │   │   │   ├── wps41.jpg

│   │   │   │   │   ├── wps8.jpg

│   │   │   │   │   ├── wps4.jpg

│   │   │   │   │   ├── wps74.jpg

│   │   │   │   │   ├── wps17.jpg

│   │   │   │   │   ├── wps81.jpg

│   │   │   │   │   ├── wps68.jpg

│   │   │   │   │   ├── wps28.jpg

│   │   │   │   │   ├── wps89.jpg

│   │   │   │   │   ├── wps48.jpg

│   │   │   │   │   ├── wps55.png

│   │   │   │   │   ├── wps72.jpg

│   │   │   │   │   ├── wps85.jpg

│   │   │   │   │   ├── wps11.jpg

│   │   │   │   │   ├── wps80.jpg

│   │   │   │   │   ├── wps82.jpg

│   │   │   │   │   ├── wps87.jpg

│   │   │   │   │   ├── wps86.jpg

│   │   │   │   │   ├── 对比-1.png

│   │   │   │   │   ├── wps83.jpg

│   │   │   │   │   ├── wps73.jpg

│   │   │   │   │   ├── wps75.jpg

│   │   │   │   │   ├── wps88.jpg

│   │   │   │   │   ├── wps12.jpg

│   │   │   │   │   ├── wps30.jpg

│   │   │   │   │   ├── wps40.jpg

│   │   │   │   │   ├── wps36.jpg

│   │   │   │   │   ├── wps21.jpg

│   │   │   │   │   ├── wps91.jpg

│   │   │   │   │   ├── wps76.jpg

│   │   │   │   │   ├── wps69.jpg

│   │   │   │   │   ├── wps77.jpg

│   │   │   │   │   ├── wps26.jpg

│   │   │   │   │   ├── image-20260111111747202.png

│   │   │   │   │   ├── wps58.jpg

│   │   │   │   │   ├── webp

│   │   │   │   │   ├── wps29.jpg

│   │   │   │   │   ├── nainailoudong.png

│   │   │   │   │   ├── wps27.jpg

│   │   │   │   │   ├── wps52.png

│   │   │   │   │   ├── wps32.jpg

│   │   │   │   │   ├── wps6.jpg

│   │   │   │   │   ├── wps64.jpg

│   │   │   │   │   ├── wps56.jpg

│   │   │   │   │   ├── wps67.jpg

│   │   │   │   │   ├── wps2.jpg

│   │   │   │   │   ├── wps34.jpg

│   │   │   │   │   ├── wps18.jpg

│   │   │   │   │   ├── RAG架构图.svg

│   │   │   │   │   ├── wps31.jpg

│   │   │   │   │   ├── wps15.jpg

│   │   │   │   │   ├── wps39.jpg

│   │   │   │   │   ├── wps49.jpg

│   │   │   │   │   ├── wps84.png

│   │   │   │   │   ├── wps9.jpg

│   │   │   │   │   ├── wps59.jpg

│   │   │   │   │   ├── image-202512122017357971.png

│   │   │   │   │   ├── wps78.jpg

│   │   │   │   │   ├── wps35.jpg

│   │   │   │   │   ├── wps10.jpg

│   │   │   │   │   ├── wps50.png

│   │   │   │   │   ├── wps71.jpg

│   │   │   │   │   ├── wps43.jpg

│   │   │   │   ├── 尚硅谷大模型技术之大模型概述V1.0.3.pdf

│   │   │   │   ├── 尚硅谷大模型技术之大模型概述V1.0.3.md

│   │   ├── 开课.pptx

│   ├── day03

│   │   ├── 课件

│   │   │   ├── 课件 v1.2.zip

│   │   ├── 视频

│   │   │   ├── 10-Coze案例：商品营销卖点提炼.mp4

│   │   │   ├── 08-Dify案例：客服对话记录分析.mp4

│   │   │   ├── 07-Coze案例：客服对话记录分析.mp4

│   │   │   ├── 04-大家几个问题的回复.mp4

│   │   │   ├── 03-coze案例：产品营销海报的生成.mp4

│   │   │   ├── 01-商户运营管家涉及到的几个项目的介绍.mp4

│   │   │   ├── 02-coze中如何导入现有的资源.mp4

│   │   │   ├── 09-Coze与Dify案例：商品评论分析.mp4

│   │   │   ├── 06-Dify案例：处理客户投诉助手.mp4

│   │   │   ├── 05-Dify案例：一键生成行业调研报告.mp4

│   ├── day04

│   │   ├── 视频

│   │   │   ├── 05-服务器配置的选择_Docker的安装.mp4

│   │   │   ├── 10-Dify平台接入Xinference的三种模型并演示使用.mp4

│   │   │   ├── 02-Python代码调用Dify平台的工作流.mp4

│   │   │   ├── 01-Python代码调用Coze平台的工作流.mp4

│   │   │   ├── 15-coze案例3之red_book_and_video_script工作流的搭建.mp4

│   │   │   ├── 12-coze案例3之set_product_name_and_desc工作流的搭建.mp4

│   │   │   ├── 14-coze案例3之selling2buying_point工作流的搭建.mp4

│   │   │   ├── 11-建议：相关资源的关闭.mp4

│   │   │   ├── 04-为什么要进行企业级大模型部署_部署方案.mp4

│   │   │   ├── 13-coze案例3之selling_point_generation工作流的搭建.mp4

│   │   │   ├── 16-小结.mp4

│   │   │   ├── 03-本地Ollama的部署说明.mp4

│   │   │   ├── 06-Dify的安装和部署.mp4

│   │   │   ├── 09-部署嵌入模型_部署重排序模型.mp4

│   │   │   ├── 08-AutoDL部署服务器_部署XInference_部署LLM.mp4

│   │   │   ├── 07-Dify平台部署在线大模型.mp4

│   │   ├── 软件

│   │   │   ├── Postman-win64-9.15.2-Setup.exe

│   │   │   ├── OllamaSetup.exe

│   │   │   ├── Xftp-8.0.0068p.exe

│   │   │   ├── Xshell-8.0.0084p.exe

│   │   │   ├── dify-0.15.5.tar.gz

│   │   ├── 资料

│   │   │   ├── 抖音编程文案-康师傅

│   │   │   │   ├── 剖析Java死不透的底层逻辑.docx

│   │   │   │   ├── AI的火爆，会不会让程序员大量失业.docx

│   │   │   │   ├── Python：非专业开发的首选语言？.docx

│   │   │   │   ├── 计科相关专业的哪些课程比较重要呢.docx

│   │   │   │   ├── 成为Java工程师，要掌握全栈、分布式、嵌入式和C++吗？.docx

│   │   │   │   ├── 什么人适合学习Go.docx

│   │   │   │   ├── 云计算运维：这其实算是俩方向.docx

│   │   │   │   ├── C语言到底要不要学？.docx

│   │   │   │   ├── 网络&信息安全：想说爱你不容易.docx

│   │   │   │   ├── 哪些人适合入手C++.docx

│   │   │   │   ├── 人工智能：看看2025年高薪机遇.docx

│   │   │   │   ├── 已经从事软件开发，要不要转投鸿蒙？.docx

│   │   │   │   ├── 想入行软件开发，不知道选啥语言？.docx

│   │   │   │   ├── Java转GO，是越走越窄，还是柳暗花明？.docx

│   │   │   │   ├── 听说Java入行要学很多技术栈，零基础，非科班，如何规划学习？.docx

│   │   │   ├── images

│   │   │   │   ├── 微信图片_20250207102910-1739761241988.jpg

│   │   │   │   ├── image-20250206184424695-1739761241989.png

│   │   │   │   ├── image-20250209221011557.png

│   │   │   │   ├── image-20250206193812804-1739761241989.png

│   │   │   │   ├── image-20250217110208418.png

│   │   │   │   ├── image-20250206213155992-1739761241989.png

│   │   │   │   ├── image-20250206230531270-1739761241989.png

│   │   │   │   ├── image-20250206183106671-1739761241989.png

│   │   │   │   ├── image-20250206230333296-1739761241989.png

│   │   │   │   ├── image-20250206181403088-1739761241989.png

│   │   │   │   ├── image-20250227213212851.png

│   │   │   │   ├── image-20250209220906003.png

│   │   │   │   ├── image-20250206221641679-1739761241989.png

│   │   │   │   ├── image-20250206230224080-1739761241989.png

│   │   │   │   ├── image-20250209220004774.png

│   │   │   │   ├── image-20250209215659709.png

│   │   │   │   ├── image-20250206165940036-1739761241989.png

│   │   │   │   ├── image-20250209221256181.png

│   │   │   │   ├── image-20250209221717706.png

│   │   │   │   ├── image-20250206230714785-1739761241989.png

│   │   │   │   ├── image-20250206225941910-1739761241989.png

│   │   │   │   ├── image-20250209220136729.png

│   │   │   │   ├── image-20250206194044430-1739761241989.png

│   │   │   │   ├── image-20250209221609371.png

│   │   │   │   ├── image-20250227213100127.png

│   │   │   │   ├── image-20250206181433602-1739761241989.png

│   │   │   │   ├── image-20250206225729572-1739761241989.png

│   │   │   │   ├── image-20250206230421597-1739761241989.png

│   │   │   │   ├── image-20250206193957536-1739761241989.png

│   │   │   │   ├── image-20250227213455972.png

│   │   │   │   ├── image-20250206231058477-1739761241989.png

│   │   │   │   ├── image-20250206204925604-1739761241989.png

│   │   │   │   ├── image-20250209215928253.png

│   │   │   │   ├── image-20250209221812441.png

│   │   │   │   ├── image-20250209221847478.png

│   │   │   │   ├── image-20250209221455992.png

│   │   │   │   ├── image-20250209221553039.png

│   │   │   │   ├── image-20250206183036820-1739761241989.png

│   │   │   ├── 本地大模型的安装部署.md

│   │   ├── 课件

│   │   │   ├── 同day03的课件.txt

│   │   ├── 代码

│   │   │   ├── DifyWorkflowInvoke.py

│   │   │   ├── CozeWorkflowInvoke.py

├── 02-LangChain(阳哥)

│   ├── day06

│   │   ├── 01_vcr（从41集开始）

│   │   │   ├── 32_文本向量化hello.mp4

│   │   │   ├── 30_向量化模型理论入门.mp4

│   │   │   ├── 12_创建提示词PromptTemplate下集.mp4

│   │   │   ├── 40_AI智能运维助手大厂真实案例.mp4

│   │   │   ├── 45_Agent智能体入门理论.mp4

│   │   │   ├── 04_model_provider课间答疑.mp4

│   │   │   ├── 27_记忆缓存之redis版.mp4

│   │   │   ├── 07_Ollama本地大模型部署.mp4

│   │   │   ├── 15_ChatPromptTemplate实例化参数3大类型.mp4

│   │   │   ├── 31_向量数据库.mp4

│   │   │   ├── 39_答疑和分割文档对象案例.mp4

│   │   │   ├── 37_文档加载器-代码案例.mp4

│   │   │   ├── 09_模型参数temperature补充.mp4

│   │   │   ├── 25_记忆中间件简介.mp4

│   │   │   ├── 02_langchain架构和未来趋势.mp4

│   │   │   ├── 19_输出解析器进阶用法.mp4

│   │   │   ├── 13_提示词3大主要方法.mp4

│   │   │   ├── 23_RunnableLambda回答同学提问.mp4

│   │   │   ├── 14_ChatPromptTemplate对话提示词模板创建.mp4

│   │   │   ├── 46_Agent演变过程.mp4

│   │   │   ├── 34_用redisStack作为向量存储.mp4

│   │   │   ├── 20_Runnable统一接口和方法.mp4

│   │   │   ├── 21_LCEL理论入门.mp4

│   │   │   ├── 03_模型调用入门.mp4

│   │   │   ├── 10_Prompt是什么.mp4

│   │   │   ├── 26_记忆缓存之内存版.mp4

│   │   │   ├── 24_记忆缓存为什么重要.mp4

│   │   │   ├── 22_链式调用基础用法案例代码.mp4

│   │   │   ├── 29_Tools实战天气查询.mp4

│   │   │   ├── 47_AgentReact推理执行案例.mp4

│   │   │   ├── 38_使用split_text()方法进行文本分割.mp4

│   │   │   ├── 28_Tool工具调用理论.mp4

│   │   │   ├── 08_模型调用方法6大方法.mp4

│   │   │   ├── 44_课堂答疑交流.mp4

│   │   │   ├── 01_langchain简介和扯淡闲聊求职学习方法.mp4

│   │   │   ├── 18_输出解析器是什么及两大方法.mp4

│   │   │   ├── 11_提示词模板之构造方法.mp4

│   │   │   ├── 36_RAG流程和文档加载器理论.mp4

│   │   │   ├── 48_A2A案例讲解.mp4

│   │   │   ├── 41_MCP入门概念.mp4

│   │   │   ├── 17_外部加载Prompt.mp4

│   │   │   ├── 05_模型调用企业版.mp4

│   │   │   ├── 06_Model-IO大模型接口.mp4

│   │   │   ├── 42_MCP架构知识.mp4

│   │   │   ├── 35_RAG是什么能干嘛.mp4

│   │   │   ├── 16_MessagesPlaceholder消息占位符提示词模板.mp4

│   │   │   ├── 43_MCP案例FastMCP调用.mp4

│   │   │   ├── 33_文本嵌入模型常用编码模板.mp4

│   │   ├── 03_code

│   │   │   ├── 06_lcel

│   │   │   │   ├── LCEL_RunnableLambdaDemo.py

│   │   │   │   ├── LCEL_RunnableBranchDemo.py

│   │   │   │   ├── LCEL_RunnableSerializableDemo.py

│   │   │   │   ├── LCEL_RunnableParallelDemo.py

│   │   │   │   ├── LCEL_RunnableSequenceDemo.py

│   │   │   ├── 02_models_io

│   │   │   │   ├── ModelIO_Ollama.py

│   │   │   │   ├── ModelIO_Params.py

│   │   │   │   ├── ModelIO_ChatOpenAI.py

│   │   │   │   ├── ModelIO_DeepSeek.py

│   │   │   │   ├── ModelIO_OpenAI.py

│   │   │   │   ├── ModelIO_Init_chat_model.py

│   │   │   │   ├── ModelIO_Qwen.py

│   │   │   ├── 12_agent

│   │   │   │   ├── AgentSmartSelectV0.3.py

│   │   │   │   ├── AgentReact.py

│   │   │   │   ├── AgentSmartSelectV1.0.py

│   │   │   │   ├── Agent2Agent.py

│   │   │   ├── 11_mcp

│   │   │   │   ├── __pycache__

│   │   │   │   │   ├── McpServer.cpython-313.pyc

│   │   │   │   ├── McpClient.py

│   │   │   │   ├── McpServer.py

│   │   │   │   ├── McpServerByFastMCP.py

│   │   │   ├── 03_ollama

│   │   │   │   ├── LangChain_Ollama.py

│   │   │   ├── 01_helloworld

│   │   │   │   ├── LangChain_MoreV1.0.py

│   │   │   │   ├── StandardDesc.py

│   │   │   │   ├── GetEnvInfo.py

│   │   │   │   ├── LangChainV0.3.py

│   │   │   │   ├── LangChainV1.0.py

│   │   │   ├── 07_memory

│   │   │   │   ├── Memory_IDontKnow.py

│   │   │   │   ├── Memory_RedisChatMessageHistory.py

│   │   │   │   ├── Memory_RunnableWithMessageHistory.py

│   │   │   │   ├── RedisEnvCheck.py

│   │   │   │   ├── Memory_InMemoryChatMessageHistory.py

│   │   │   │   ├── Memory_RunnableWithMessageHistoryV2.py

│   │   │   ├── 10_rag

│   │   │   │   ├── docloads

│   │   │   │   │   ├── assets

│   │   │   │   │   │   ├── sample.json

│   │   │   │   │   │   ├── sample.md

│   │   │   │   │   │   ├── sample.doc

│   │   │   │   │   │   ├── sample.csv

│   │   │   │   │   │   ├── alibaba-more.docx

│   │   │   │   │   │   ├── Doc21.docx

│   │   │   │   │   │   ├── sample.pdf

│   │   │   │   │   │   ├── sample.txt

│   │   │   │   │   ├── RagLoadDocDemo.py

│   │   │   │   │   ├── RagLoadJsonDemo.py

│   │   │   │   │   ├── RagLoadMarkdownDemo.py

│   │   │   │   │   ├── RagLoadCSVDemo.py

│   │   │   │   │   ├── RagLoadTxtDemo.py

│   │   │   │   │   ├── RagLoadPdfDemo.py

│   │   │   │   ├── textsplit

│   │   │   │   │   ├── rag.txt

│   │   │   │   │   ├── RecursiveTextSplitterV2.py

│   │   │   │   │   ├── RecursiveDocumentSplitter.py

│   │   │   │   │   ├── RecursiveTextSplitter.py

│   │   │   │   ├── alibaba-java.docx

│   │   │   │   ├── RedisVectorStore_SimilaritySearch.py

│   │   │   │   ├── RedisVectorStore.py

│   │   │   │   ├── EmbeddingRagLLM.py

│   │   │   ├── 05_parser

│   │   │   │   ├── AnnotatedPydantic.py

│   │   │   │   ├── StructuredOutput_Pydantic.py

│   │   │   │   ├── JsonOutputParserDemo.py

│   │   │   │   ├── AnnotatedTypedDict.py

│   │   │   │   ├── StructuredOutput_TypedDict.py

│   │   │   │   ├── JsonOutputParser_GetFormatInstructions.py

│   │   │   │   ├── StrOutputParserDemo.py

│   │   │   ├── 04_prompt

│   │   │   │   ├── invoke

│   │   │   │   │   ├── LLM_aInvoke.py

│   │   │   │   │   ├── LLM_aStream.py

│   │   │   │   │   ├── LLM_Invoke.py

│   │   │   │   │   ├── LLM_Batch.py

│   │   │   │   │   ├── LLM_Stream.py

│   │   │   │   │   ├── LLM_aBatch.py

│   │   │   │   ├── prompt_templates

│   │   │   │   │   ├── method

│   │   │   │   │   │   ├── PromptTemplate_FormatMethod.py

│   │   │   │   │   │   ├── PromptTemplate_InvokeMethod.py

│   │   │   │   │   │   ├── PromptTemplate_PartialMethod.py

│   │   │   │   │   ├── PromptTemplate_Combined.py

│   │   │   │   │   ├── PromptTemplate_PartialVariables.py

│   │   │   │   │   ├── PromptTemplate_Constructor.py

│   │   │   │   │   ├── PromptTemplate_FromTemplate.py

│   │   │   │   ├── load_external

│   │   │   │   │   ├── prompt.json

│   │   │   │   │   ├── PromptLoadDemo01.py

│   │   │   │   │   ├── prompt.yaml

│   │   │   │   │   ├── PromptLoadDemo02.py

│   │   │   │   ├── chat_prompt_template

│   │   │   │   │   ├── parameter

│   │   │   │   │   │   ├── ChatPromptTemplate_DictParam.py

│   │   │   │   │   │   ├── ChatPromptTemplate_MessageParam.py

│   │   │   │   │   │   ├── ChatPromptTemplate_TupleParam.py

│   │   │   │   │   ├── placeholder

│   │   │   │   │   │   ├── ChatPromptTemplate_ExplicitPlaceholder.py

│   │   │   │   │   │   ├── ChatPromptTemplate_ImplicitPlaceholder.py

│   │   │   │   │   ├── ChatPromptTemplate_Constructor.py

│   │   │   │   │   ├── ChatPromptTemplate_FormatMessages.py

│   │   │   │   ├── ImportPromptEnv.py

│   │   │   ├── 08_tools

│   │   │   │   ├── __pycache__

│   │   │   │   │   ├── QueryWeatherTool.cpython-313.pyc

│   │   │   │   ├── QueryWeatherTool.py

│   │   │   │   ├── Tool_AddNumberTool.py

│   │   │   │   ├── LLMQueryWeatherDemo.py

│   │   │   │   ├── Tool_AddNumberToolPro.py

│   │   │   │   ├── PydanticDemo.py

│   │   │   ├── 09_embedding

│   │   │   │   ├── Text2Embedding_CosSimilarity.py

│   │   │   │   ├── Text2Embedding_DashScope.py

│   │   │   │   ├── Text2Embedding_DashScopeHello.py

│   │   │   │   ├── Text2Embedding_DashScopePro.py

│   │   │   │   ├── EmbeddingStoreRedis.py

│   │   │   │   ├── Text2Embedding_OpenAiHello.py

│   │   ├── 02_note

│   │   │   ├── LangChain速通实战学生用All2026.2.1.mmap

│   │   │   ├── MindManager2020安装软件破解版.zip

│   ├── day03

│   │   ├── 03_code

│   │   │   ├── 05_parser

│   │   │   │   ├── AnnotatedPydantic.py

│   │   │   │   ├── JsonOutputParser_GetFormatInstructions.py

│   │   │   │   ├── StructuredOutput_TypedDict.py

│   │   │   │   ├── StrOutputParserDemo.py

│   │   │   │   ├── AnnotatedTypedDict.py

│   │   │   │   ├── StructuredOutput_Pydantic.py

│   │   │   │   ├── JsonOutputParserDemo.py

│   │   │   ├── 03_ollama

│   │   │   │   ├── LangChain_Ollama.py

│   │   │   ├── 02_models_io

│   │   │   │   ├── ModelIO_Ollama.py

│   │   │   │   ├── ModelIO_DeepSeek.py

│   │   │   │   ├── ModelIO_OpenAI.py

│   │   │   │   ├── ModelIO_ChatOpenAI.py

│   │   │   │   ├── ModelIO_Params.py

│   │   │   │   ├── ModelIO_Qwen.py

│   │   │   │   ├── ModelIO_Init_chat_model.py

│   │   │   ├── 04_prompt

│   │   │   │   ├── load_external

│   │   │   │   │   ├── PromptLoadDemo01.py

│   │   │   │   │   ├── PromptLoadDemo02.py

│   │   │   │   │   ├── prompt.json

│   │   │   │   │   ├── prompt.yaml

│   │   │   │   ├── prompt_templates

│   │   │   │   │   ├── method

│   │   │   │   │   │   ├── PromptTemplate_FormatMethod.py

│   │   │   │   │   │   ├── PromptTemplate_InvokeMethod.py

│   │   │   │   │   │   ├── PromptTemplate_PartialMethod.py

│   │   │   │   │   ├── PromptTemplate_Constructor.py

│   │   │   │   │   ├── PromptTemplate_PartialVariables.py

│   │   │   │   │   ├── PromptTemplate_FromTemplate.py

│   │   │   │   │   ├── PromptTemplate_Combined.py

│   │   │   │   ├── chat_prompt_template

│   │   │   │   │   ├── placeholder

│   │   │   │   │   │   ├── ChatPromptTemplate_ExplicitPlaceholder.py

│   │   │   │   │   │   ├── ChatPromptTemplate_ImplicitPlaceholder.py

│   │   │   │   │   ├── parameter

│   │   │   │   │   │   ├── ChatPromptTemplate_TupleParam.py

│   │   │   │   │   │   ├── ChatPromptTemplate_MessageParam.py

│   │   │   │   │   │   ├── ChatPromptTemplate_DictParam.py

│   │   │   │   │   ├── ChatPromptTemplate_FormatMessages.py

│   │   │   │   │   ├── ChatPromptTemplate_Constructor.py

│   │   │   │   ├── invoke

│   │   │   │   │   ├── LLM_Batch.py

│   │   │   │   │   ├── LLM_aBatch.py

│   │   │   │   │   ├── LLM_Stream.py

│   │   │   │   │   ├── LLM_Invoke.py

│   │   │   │   │   ├── LLM_aStream.py

│   │   │   │   │   ├── LLM_aInvoke.py

│   │   │   │   ├── ImportPromptEnv.py

│   │   │   ├── 01_helloworld

│   │   │   │   ├── GetEnvInfo.py

│   │   │   │   ├── StandardDesc.py

│   │   │   │   ├── LangChainV1.0.py

│   │   │   │   ├── LangChain_MoreV1.0.py

│   │   │   │   ├── LangChainV0.3.py

│   │   ├── 01_vcr

│   │   │   ├── 12_创建提示词PromptTemplate下集.mp4

│   │   │   ├── 15_ChatPromptTemplate实例化参数3大类型.mp4

│   │   │   ├── 13_提示词3大主要方法.mp4

│   │   │   ├── 16_MessagesPlaceholder消息占位符提示词模板.mp4

│   │   │   ├── 19_输出解析器进阶用法.mp4

│   │   │   ├── 18_输出解析器是什么及两大方法.mp4

│   │   │   ├── 17_外部加载Prompt.mp4

│   │   │   ├── 14_ChatPromptTemplate对话提示词模板创建.mp4

│   │   ├── 02_note

│   │   │   ├── 讲解到哪笔记给到哪严禁预习.txt

│   │   │   ├── LangChain速通实战学生用(严禁预习)2026.1.25.mmap

│   │   │   ├── MindManager2020安装软件破解版.zip

│   ├── day04

│   │   ├── 01_vcr

│   │   │   ├── 29_Tools实战天气查询.mp4

│   │   │   ├── 26_记忆缓存之内存版.mp4

│   │   │   ├── 21_LCEL理论入门.mp4

│   │   │   ├── 20_Runnable统一接口和方法.mp4

│   │   │   ├── 28_Tool工具调用理论.mp4

│   │   │   ├── 23_RunnableLambda回答同学提问.mp4

│   │   │   ├── 22_链式调用基础用法案例代码.mp4

│   │   │   ├── 25_记忆中间件简介.mp4

│   │   │   ├── 27_记忆缓存之redis版.mp4

│   │   │   ├── 24_记忆缓存为什么重要.mp4

│   │   ├── 03_code

│   │   │   ├── 01_helloworld

│   │   │   │   ├── LangChainV1.0.py

│   │   │   │   ├── LangChainV0.3.py

│   │   │   │   ├── GetEnvInfo.py

│   │   │   │   ├── StandardDesc.py

│   │   │   │   ├── LangChain_MoreV1.0.py

│   │   │   ├── 06_lcel

│   │   │   │   ├── LCEL_RunnableLambdaDemo.py

│   │   │   │   ├── LCEL_RunnableSerializableDemo.py

│   │   │   │   ├── LCEL_RunnableSequenceDemo.py

│   │   │   │   ├── LCEL_RunnableParallelDemo.py

│   │   │   │   ├── LCEL_RunnableBranchDemo.py

│   │   │   ├── 02_models_io

│   │   │   │   ├── ModelIO_Init_chat_model.py

│   │   │   │   ├── ModelIO_OpenAI.py

│   │   │   │   ├── ModelIO_Params.py

│   │   │   │   ├── ModelIO_DeepSeek.py

│   │   │   │   ├── ModelIO_Qwen.py

│   │   │   │   ├── ModelIO_ChatOpenAI.py

│   │   │   │   ├── ModelIO_Ollama.py

│   │   │   ├── 05_parser

│   │   │   │   ├── AnnotatedPydantic.py

│   │   │   │   ├── StrOutputParserDemo.py

│   │   │   │   ├── JsonOutputParser_GetFormatInstructions.py

│   │   │   │   ├── StructuredOutput_Pydantic.py

│   │   │   │   ├── JsonOutputParserDemo.py

│   │   │   │   ├── AnnotatedTypedDict.py

│   │   │   │   ├── StructuredOutput_TypedDict.py

│   │   │   ├── 03_ollama

│   │   │   │   ├── LangChain_Ollama.py

│   │   │   ├── 07_memory

│   │   │   │   ├── Memory_RunnableWithMessageHistoryV2.py

│   │   │   │   ├── Memory_InMemoryChatMessageHistory.py

│   │   │   │   ├── RedisEnvCheck.py

│   │   │   │   ├── Memory_RunnableWithMessageHistory.py

│   │   │   │   ├── Memory_IDontKnow.py

│   │   │   │   ├── Memory_RedisChatMessageHistory.py

│   │   │   ├── 08_tools

│   │   │   │   ├── __pycache__

│   │   │   │   │   ├── QueryWeatherTool.cpython-313.pyc

│   │   │   │   ├── QueryWeatherTool.py

│   │   │   │   ├── PydanticDemo.py

│   │   │   │   ├── LLMQueryWeatherDemo.py

│   │   │   │   ├── Tool_AddNumberToolPro.py

│   │   │   │   ├── Tool_AddNumberTool.py

│   │   │   ├── 04_prompt

│   │   │   │   ├── prompt_templates

│   │   │   │   │   ├── method

│   │   │   │   │   │   ├── PromptTemplate_PartialMethod.py

│   │   │   │   │   │   ├── PromptTemplate_FormatMethod.py

│   │   │   │   │   │   ├── PromptTemplate_InvokeMethod.py

│   │   │   │   │   ├── PromptTemplate_Combined.py

│   │   │   │   │   ├── PromptTemplate_Constructor.py

│   │   │   │   │   ├── PromptTemplate_FromTemplate.py

│   │   │   │   │   ├── PromptTemplate_PartialVariables.py

│   │   │   │   ├── load_external

│   │   │   │   │   ├── PromptLoadDemo01.py

│   │   │   │   │   ├── prompt.json

│   │   │   │   │   ├── PromptLoadDemo02.py

│   │   │   │   │   ├── prompt.yaml

│   │   │   │   ├── chat_prompt_template

│   │   │   │   │   ├── parameter

│   │   │   │   │   │   ├── ChatPromptTemplate_DictParam.py

│   │   │   │   │   │   ├── ChatPromptTemplate_MessageParam.py

│   │   │   │   │   │   ├── ChatPromptTemplate_TupleParam.py

│   │   │   │   │   ├── placeholder

│   │   │   │   │   │   ├── ChatPromptTemplate_ImplicitPlaceholder.py

│   │   │   │   │   │   ├── ChatPromptTemplate_ExplicitPlaceholder.py

│   │   │   │   │   ├── ChatPromptTemplate_Constructor.py

│   │   │   │   │   ├── ChatPromptTemplate_FormatMessages.py

│   │   │   │   ├── invoke

│   │   │   │   │   ├── LLM_aStream.py

│   │   │   │   │   ├── LLM_Invoke.py

│   │   │   │   │   ├── LLM_aInvoke.py

│   │   │   │   │   ├── LLM_Batch.py

│   │   │   │   │   ├── LLM_Stream.py

│   │   │   │   │   ├── LLM_aBatch.py

│   │   │   │   ├── ImportPromptEnv.py

│   │   ├── 02_note

│   │   │   ├── 讲解到哪笔记给到哪严禁预习.txt

│   │   │   ├── MindManager2020安装软件破解版.zip

│   │   │   ├── LangChain速通实战学生用(严禁预习)2026.1.28.mmap

│   ├── day01

│   │   ├── 03_code

│   │   │   ├── 01_helloworld

│   │   │   │   ├── LangChainV1.0.py

│   │   │   │   ├── LangChainV0.3.py

│   │   │   │   ├── GetEnvInfo.py

│   │   │   │   ├── LangChain_MoreV1.0.py

│   │   │   │   ├── StandardDesc.py

│   │   ├── 02_note

│   │   │   ├── LangChain速通实战学生用(严禁预习)2026.1.21.mmap

│   │   │   ├── 讲解到哪笔记给到哪严禁预习.txt

│   │   │   ├── MindManager2020安装软件破解版.zip

│   │   ├── 01_vcr

│   │   │   ├── 04_model_provider课间答疑.mp4

│   │   │   ├── 02_langchain架构和未来趋势.mp4

│   │   │   ├── 05_模型调用企业版.mp4

│   │   │   ├── 01_langchain简介和扯淡闲聊求职学习方法.mp4

│   │   │   ├── 03_模型调用入门.mp4

│   ├── day08 LangGraph速通

│   │   ├── 01_vcr(今天从第9集开始)

│   │   │   ├── 07_api之基本的State定义.mp4

│   │   │   ├── 01_LangGraph理论概述.mp4

│   │   │   ├── 05_图的构建流程-小总结.mp4

│   │   │   ├── 10_api之node的定义理论知识.mp4

│   │   │   ├── 12_api之node的异常重试处理机制.mp4

│   │   │   ├── 09_api之state的reducer更新策略.mp4

│   │   │   ├── 02_LangGraph的技术架构.mp4

│   │   │   ├── 06_api之图的构建流程.mp4

│   │   │   ├── 14_api之条件和入口点.mp4

│   │   │   ├── 03_LangGraphHelloWorld.mp4

│   │   │   ├── 04_加一点业务.mp4

│   │   │   ├── 13_api之edge普通边和条件边.mp4

│   │   │   ├── 11_api之node缓存策略.mp4

│   │   │   ├── 08_api之state的schema.mp4

│   │   │   ├── 15_api之send.mp4

│   │   ├── 02_code

│   │   │   ├── 03_state

│   │   │   │   ├── reducers

│   │   │   │   │   ├── StateReducer_OperatorMul.py

│   │   │   │   │   ├── StateReducer_Default.py

│   │   │   │   │   ├── StateReducer_Custom.py

│   │   │   │   │   ├── StateReducersMyChatBot家庭作业.py

│   │   │   │   │   ├── StateReducer_OperatorAdd3.py

│   │   │   │   │   ├── StateReducer_AddMessages.py

│   │   │   │   │   ├── StateReducer_OperatorAdd2.py

│   │   │   │   │   ├── StateReducer_OperatorAdd.py

│   │   │   │   ├── schema

│   │   │   │   │   ├── StateSchema.py

│   │   │   │   ├── DefState.py

│   │   │   ├── 02_graph

│   │   │   │   ├── BuildWholeGraphSummary.py

│   │   │   ├── 04_node

│   │   │   │   ├── DefNode.py

│   │   │   │   ├── Node_Cache.py

│   │   │   │   ├── Node_ExpErrRetry.py

│   │   │   ├── 01_helloworld

│   │   │   │   ├── beforeimg

│   │   │   │   │   ├── langgraph7c7b3e11.png

│   │   │   │   │   ├── langgraphf7fb9e89.png

│   │   │   │   │   ├── langgraph2cf5a7dc.png

│   │   │   │   ├── LangGraphLLM.py

│   │   │   │   ├── LangGraphBiz.py

│   │   │   │   ├── LangGraphHello.py

│   │   │   ├── 06_specialApi

│   │   │   │   ├── CommandDemo.py

│   │   │   │   ├── RuntimeContextDemo.py

│   │   │   │   ├── SendDemo.py

│   │   │   ├── 05_edge

│   │   │   │   ├── Edge_Normal.py

│   │   │   │   ├── Edge_EntryPoint.py

│   │   │   │   ├── Edge_ConditionalEntryPoint.py

│   │   │   │   ├── Edge_Conditional.py

│   │   │   │   ├── Edge_ConditionalV2.py

│   │   ├── 03_note

│   │   │   ├── LangGraph速通实战2026V1.2学生用2026.2.7.mmap

│   ├── day05

│   │   ├── 03_LangChain大模型智能体260111班(线上班1期)

│   │   │   ├── 02_note

│   │   │   │   ├── MindManager2020安装软件破解版.zip

│   │   │   │   ├── 讲解到哪笔记给到哪严禁预习.txt

│   │   │   │   ├── LangChain速通实战学生用(严禁预习)2026.1.31.mmap

│   │   │   ├── 01_vcr（30-40集）

│   │   │   │   ├── 04_model_provider课间答疑.mp4

│   │   │   │   ├── 27_记忆缓存之redis版.mp4

│   │   │   │   ├── 34_用redisStack作为向量存储.mp4

│   │   │   │   ├── 05_模型调用企业版.mp4

│   │   │   │   ├── 11_提示词模板之构造方法.mp4

│   │   │   │   ├── 26_记忆缓存之内存版.mp4

│   │   │   │   ├── 01_langchain简介和扯淡闲聊求职学习方法.mp4

│   │   │   │   ├── 06_Model-IO大模型接口.mp4

│   │   │   │   ├── 30_向量化模型理论入门.mp4

│   │   │   │   ├── 10_Prompt是什么.mp4

│   │   │   │   ├── 35_RAG是什么能干嘛.mp4

│   │   │   │   ├── 18_输出解析器是什么及两大方法.mp4

│   │   │   │   ├── 23_RunnableLambda回答同学提问.mp4

│   │   │   │   ├── 37_文档加载器-代码案例.mp4

│   │   │   │   ├── 36_RAG流程和文档加载器理论.mp4

│   │   │   │   ├── 32_文本向量化hello.mp4

│   │   │   │   ├── 03_模型调用入门.mp4

│   │   │   │   ├── 17_外部加载Prompt.mp4

│   │   │   │   ├── 21_LCEL理论入门.mp4

│   │   │   │   ├── 28_Tool工具调用理论.mp4

│   │   │   │   ├── 29_Tools实战天气查询.mp4

│   │   │   │   ├── 24_记忆缓存为什么重要.mp4

│   │   │   │   ├── 33_文本嵌入模型常用编码模板.mp4

│   │   │   │   ├── 20_Runnable统一接口和方法.mp4

│   │   │   │   ├── 38_使用split_text()方法进行文本分割.mp4

│   │   │   │   ├── 22_链式调用基础用法案例代码.mp4

│   │   │   │   ├── 02_langchain架构和未来趋势.mp4

│   │   │   │   ├── 40_AI智能运维助手大厂真实案例.mp4

│   │   │   │   ├── 12_创建提示词PromptTemplate下集.mp4

│   │   │   │   ├── 13_提示词3大主要方法.mp4

│   │   │   │   ├── 15_ChatPromptTemplate实例化参数3大类型.mp4

│   │   │   │   ├── 19_输出解析器进阶用法.mp4

│   │   │   │   ├── 25_记忆中间件简介.mp4

│   │   │   │   ├── 14_ChatPromptTemplate对话提示词模板创建.mp4

│   │   │   │   ├── 07_Ollama本地大模型部署.mp4

│   │   │   │   ├── 31_向量数据库.mp4

│   │   │   │   ├── 16_MessagesPlaceholder消息占位符提示词模板.mp4

│   │   │   │   ├── 08_模型调用方法6大方法.mp4

│   │   │   │   ├── 39_答疑和分割文档对象案例.mp4

│   │   │   │   ├── 09_模型参数temperature补充.mp4

│   │   │   ├── 03_code

│   │   │   │   ├── 09_embedding

│   │   │   │   │   ├── Text2Embedding_OpenAiHello.py

│   │   │   │   │   ├── Text2Embedding_DashScopePro.py

│   │   │   │   │   ├── EmbeddingStoreRedis.py

│   │   │   │   │   ├── Text2Embedding_CosSimilarity.py

│   │   │   │   │   ├── Text2Embedding_DashScope.py

│   │   │   │   │   ├── Text2Embedding_DashScopeHello.py

│   │   │   │   ├── 01_helloworld

│   │   │   │   │   ├── LangChainV0.3.py

│   │   │   │   │   ├── LangChain_MoreV1.0.py

│   │   │   │   │   ├── GetEnvInfo.py

│   │   │   │   │   ├── LangChainV1.0.py

│   │   │   │   │   ├── StandardDesc.py

│   │   │   │   ├── 07_memory

│   │   │   │   │   ├── Memory_RunnableWithMessageHistoryV2.py

│   │   │   │   │   ├── Memory_InMemoryChatMessageHistory.py

│   │   │   │   │   ├── Memory_RedisChatMessageHistory.py

│   │   │   │   │   ├── RedisEnvCheck.py

│   │   │   │   │   ├── Memory_RunnableWithMessageHistory.py

│   │   │   │   │   ├── Memory_IDontKnow.py

│   │   │   │   ├── 06_lcel

│   │   │   │   │   ├── LCEL_RunnableParallelDemo.py

│   │   │   │   │   ├── LCEL_RunnableSequenceDemo.py

│   │   │   │   │   ├── LCEL_RunnableSerializableDemo.py

│   │   │   │   │   ├── LCEL_RunnableLambdaDemo.py

│   │   │   │   │   ├── LCEL_RunnableBranchDemo.py

│   │   │   │   ├── 03_ollama

│   │   │   │   │   ├── LangChain_Ollama.py

│   │   │   │   ├── 08_tools

│   │   │   │   │   ├── __pycache__

│   │   │   │   │   │   ├── QueryWeatherTool.cpython-313.pyc

│   │   │   │   │   ├── LLMQueryWeatherDemo.py

│   │   │   │   │   ├── QueryWeatherTool.py

│   │   │   │   │   ├── Tool_AddNumberTool.py

│   │   │   │   │   ├── Tool_AddNumberToolPro.py

│   │   │   │   │   ├── PydanticDemo.py

│   │   │   │   ├── 10_rag

│   │   │   │   │   ├── textsplit

│   │   │   │   │   │   ├── RecursiveTextSplitterV2.py

│   │   │   │   │   │   ├── RecursiveDocumentSplitter.py

│   │   │   │   │   │   ├── RecursiveTextSplitter.py

│   │   │   │   │   │   ├── rag.txt

│   │   │   │   │   ├── docloads

│   │   │   │   │   │   ├── assets

│   │   │   │   │   │   │   ├── sample.pdf

│   │   │   │   │   │   │   ├── sample.md

│   │   │   │   │   │   │   ├── sample.csv

│   │   │   │   │   │   │   ├── sample.doc

│   │   │   │   │   │   │   ├── alibaba-more.docx

│   │   │   │   │   │   │   ├── sample.json

│   │   │   │   │   │   │   ├── sample.txt

│   │   │   │   │   │   │   ├── Doc21.docx

│   │   │   │   │   │   ├── RagLoadDocDemo.py

│   │   │   │   │   │   ├── RagLoadTxtDemo.py

│   │   │   │   │   │   ├── RagLoadPdfDemo.py

│   │   │   │   │   │   ├── RagLoadMarkdownDemo.py

│   │   │   │   │   │   ├── RagLoadCSVDemo.py

│   │   │   │   │   │   ├── RagLoadJsonDemo.py

│   │   │   │   │   ├── RedisVectorStore_SimilaritySearch.py

│   │   │   │   │   ├── alibaba-java.docx

│   │   │   │   │   ├── RedisVectorStore.py

│   │   │   │   │   ├── EmbeddingRagLLM.py

│   │   │   │   ├── 02_models_io

│   │   │   │   │   ├── ModelIO_OpenAI.py

│   │   │   │   │   ├── ModelIO_Ollama.py

│   │   │   │   │   ├── ModelIO_Params.py

│   │   │   │   │   ├── ModelIO_DeepSeek.py

│   │   │   │   │   ├── ModelIO_Init_chat_model.py

│   │   │   │   │   ├── ModelIO_Qwen.py

│   │   │   │   │   ├── ModelIO_ChatOpenAI.py

│   │   │   │   ├── 04_prompt

│   │   │   │   │   ├── invoke

│   │   │   │   │   │   ├── LLM_Batch.py

│   │   │   │   │   │   ├── LLM_aInvoke.py

│   │   │   │   │   │   ├── LLM_aBatch.py

│   │   │   │   │   │   ├── LLM_Stream.py

│   │   │   │   │   │   ├── LLM_aStream.py

│   │   │   │   │   │   ├── LLM_Invoke.py

│   │   │   │   │   ├── chat_prompt_template

│   │   │   │   │   │   ├── parameter

│   │   │   │   │   │   │   ├── ChatPromptTemplate_MessageParam.py

│   │   │   │   │   │   │   ├── ChatPromptTemplate_DictParam.py

│   │   │   │   │   │   │   ├── ChatPromptTemplate_TupleParam.py

│   │   │   │   │   │   ├── placeholder

│   │   │   │   │   │   │   ├── ChatPromptTemplate_ExplicitPlaceholder.py

│   │   │   │   │   │   │   ├── ChatPromptTemplate_ImplicitPlaceholder.py

│   │   │   │   │   │   ├── ChatPromptTemplate_FormatMessages.py

│   │   │   │   │   │   ├── ChatPromptTemplate_Constructor.py

│   │   │   │   │   ├── load_external

│   │   │   │   │   │   ├── prompt.yaml

│   │   │   │   │   │   ├── prompt.json

│   │   │   │   │   │   ├── PromptLoadDemo01.py

│   │   │   │   │   │   ├── PromptLoadDemo02.py

│   │   │   │   │   ├── prompt_templates

│   │   │   │   │   │   ├── method

│   │   │   │   │   │   │   ├── PromptTemplate_InvokeMethod.py

│   │   │   │   │   │   │   ├── PromptTemplate_FormatMethod.py

│   │   │   │   │   │   │   ├── PromptTemplate_PartialMethod.py

│   │   │   │   │   │   ├── PromptTemplate_Constructor.py

│   │   │   │   │   │   ├── PromptTemplate_PartialVariables.py

│   │   │   │   │   │   ├── PromptTemplate_FromTemplate.py

│   │   │   │   │   │   ├── PromptTemplate_Combined.py

│   │   │   │   │   ├── ImportPromptEnv.py

│   │   │   │   ├── 05_parser

│   │   │   │   │   ├── JsonOutputParserDemo.py

│   │   │   │   │   ├── AnnotatedPydantic.py

│   │   │   │   │   ├── AnnotatedTypedDict.py

│   │   │   │   │   ├── StructuredOutput_TypedDict.py

│   │   │   │   │   ├── JsonOutputParser_GetFormatInstructions.py

│   │   │   │   │   ├── StrOutputParserDemo.py

│   │   │   │   │   ├── StructuredOutput_Pydantic.py

│   ├── day09 LangGraph速通

│   │   ├── 03_note

│   │   │   ├── LangGraph速通实战2026V1.2学生用2026.2.8AllOver.mmap

│   │   ├── 02_code

│   │   │   ├── 08_multi_agent

│   │   │   │   ├── SupervisorHandoff.py

│   │   │   │   ├── SupervisorV1.0.py

│   │   │   │   ├── LangGraphAgent.py

│   │   │   │   ├── SupervisorV0.3.py

│   │   │   ├── 06_specialApi

│   │   │   │   ├── CommandDemo.py

│   │   │   │   ├── SendDemo.py

│   │   │   │   ├── RuntimeContextDemo.py

│   │   │   ├── 01_helloworld

│   │   │   │   ├── beforeimg

│   │   │   │   │   ├── langgraph7c7b3e11.png

│   │   │   │   │   ├── langgraphf7fb9e89.png

│   │   │   │   │   ├── langgraph2cf5a7dc.png

│   │   │   │   ├── LangGraphBiz.py

│   │   │   │   ├── LangGraphHello.py

│   │   │   │   ├── LangGraphLLM.py

│   │   │   ├── 07_senior

│   │   │   │   ├── streaming

│   │   │   │   │   ├── StreamGraphState.py

│   │   │   │   │   ├── StreamCustomDataSimple.py

│   │   │   │   │   ├── StreamCustomData.py

│   │   │   │   │   ├── StreamLLMTokens.py

│   │   │   │   │   ├── StreamMultipleModes.py

│   │   │   │   ├── time_travel

│   │   │   │   │   ├── TimeTravel.py

│   │   │   │   ├── subgraph

│   │   │   │   │   ├── SubGraphHello.py

│   │   │   │   │   ├── SubGraphSimple.py

│   │   │   │   │   ├── SubGraphPro.py

│   │   │   │   ├── state_persistence

│   │   │   │   │   ├── SqlitePersistence.py

│   │   │   │   │   ├── MemoryPersistence.py

│   │   │   │   │   ├── AgentPersistence.py

│   │   │   ├── 04_node

│   │   │   │   ├── Node_ExpErrRetry.py

│   │   │   │   ├── Node_Cache.py

│   │   │   │   ├── DefNode.py

│   │   │   ├── 03_state

│   │   │   │   ├── schema

│   │   │   │   │   ├── StateSchema.py

│   │   │   │   ├── reducers

│   │   │   │   │   ├── StateReducer_AddMessages.py

│   │   │   │   │   ├── StateReducersMyChatBot家庭作业.py

│   │   │   │   │   ├── StateReducer_OperatorMul.py

│   │   │   │   │   ├── StateReducer_OperatorAdd3.py

│   │   │   │   │   ├── StateReducer_OperatorAdd.py

│   │   │   │   │   ├── StateReducer_OperatorAdd2.py

│   │   │   │   │   ├── StateReducer_Custom.py

│   │   │   │   │   ├── StateReducer_Default.py

│   │   │   │   ├── DefState.py

│   │   │   ├── 05_edge

│   │   │   │   ├── Edge_ConditionalV2.py

│   │   │   │   ├── Edge_ConditionalEntryPoint.py

│   │   │   │   ├── Edge_EntryPoint.py

│   │   │   │   ├── Edge_Normal.py

│   │   │   │   ├── Edge_Conditional.py

│   │   │   ├── 02_graph

│   │   │   │   ├── BuildWholeGraphSummary.py

│   │   ├── 01_vcr（今天从16集开始）

│   │   │   ├── 09_api之state的reducer更新策略.mp4

│   │   │   ├── 05_图的构建流程-小总结.mp4

│   │   │   ├── 16_api之Command.mp4

│   │   │   ├── 06_api之图的构建流程.mp4

│   │   │   ├── 21_构建Agent实现记忆存储.mp4

│   │   │   ├── 27_智能体技能.mp4

│   │   │   ├── 03_LangGraphHelloWorld.mp4

│   │   │   ├── 13_api之edge普通边和条件边.mp4

│   │   │   ├── 04_加一点业务.mp4

│   │   │   ├── 22_时间回溯(Time-Travel).mp4

│   │   │   ├── 10_api之node的定义理论知识.mp4

│   │   │   ├── 20_数据库检查点(sqlite).mp4

│   │   │   ├── 01_LangGraph理论概述.mp4

│   │   │   ├── 17_api之RuntimeContext运行时上下文.mp4

│   │   │   ├── 15_api之send.mp4

│   │   │   ├── 24_跨图状态交互.mp4

│   │   │   ├── 23_子图作为节点添加到父图.mp4

│   │   │   ├── 19_内存检查点.mp4

│   │   │   ├── 11_api之node缓存策略.mp4

│   │   │   ├── 18_高级特性之流式处理(Streaming).mp4

│   │   │   ├── 08_api之state的schema.mp4

│   │   │   ├── 12_api之node的异常重试处理机制.mp4

│   │   │   ├── 25_多智能体架构理论说明.mp4

│   │   │   ├── 02_LangGraph的技术架构.mp4

│   │   │   ├── 14_api之条件和入口点.mp4

│   │   │   ├── 26_A2A主管和交接案例.mp4

│   │   │   ├── 07_api之基本的State定义.mp4

│   ├── day07 langgraph

│   │   ├── 02_code

│   │   │   ├── 02_graph

│   │   │   │   ├── BuildWholeGraphSummary.py

│   │   │   ├── 03_state

│   │   │   │   ├── reducers

│   │   │   │   │   ├── StateReducer_Custom.py

│   │   │   │   │   ├── StateReducer_Default.py

│   │   │   │   │   ├── StateReducer_OperatorMul.py

│   │   │   │   │   ├── StateReducer_OperatorAdd2.py

│   │   │   │   │   ├── StateReducer_OperatorAdd.py

│   │   │   │   │   ├── StateReducer_AddMessages.py

│   │   │   │   │   ├── StateReducer_OperatorAdd3.py

│   │   │   │   │   ├── StateReducersMyChatBot家庭作业.py

│   │   │   │   ├── schema

│   │   │   │   │   ├── StateSchema.py

│   │   │   │   ├── DefState.py

│   │   │   ├── 01_helloworld

│   │   │   │   ├── beforeimg

│   │   │   │   │   ├── langgraph7c7b3e11.png

│   │   │   │   │   ├── langgraph2cf5a7dc.png

│   │   │   │   │   ├── langgraphf7fb9e89.png

│   │   │   │   ├── LangGraphBiz.py

│   │   │   │   ├── LangGraphHello.py

│   │   │   │   ├── LangGraphLLM.py

│   │   ├── 03_note

│   │   │   ├── LangGraph速通实战2026V1.2学生用2026.2.4.mmap

│   │   ├── 01_vcr

│   │   │   ├── 01_LangGraph理论概述.mp4

│   │   │   ├── 03_LangGraphHelloWorld.mp4

│   │   │   ├── 07_api之基本的State定义.mp4

│   │   │   ├── 02_LangGraph的技术架构.mp4

│   │   │   ├── 08_api之state的schema.mp4

│   │   │   ├── 05_图的构建流程-小总结.mp4

│   │   │   ├── 04_加一点业务.mp4

│   │   │   ├── 06_api之图的构建流程.mp4

│   ├── day02

│   │   ├── 02_note

│   │   │   ├── 讲解到哪笔记给到哪严禁预习.txt

│   │   │   ├── LangChain速通实战学生用(严禁预习)2026.1.24.mmap

│   │   │   ├── MindManager2020安装软件破解版.zip

│   │   ├── 03_code

│   │   │   ├── 01_helloworld

│   │   │   │   ├── LangChain_MoreV1.0.py

│   │   │   │   ├── StandardDesc.py

│   │   │   │   ├── LangChainV1.0.py

│   │   │   │   ├── LangChainV0.3.py

│   │   │   │   ├── GetEnvInfo.py

│   │   │   ├── 03_ollama

│   │   │   │   ├── LangChain_Ollama.py

│   │   │   ├── 02_models_io

│   │   │   │   ├── ModelIO_DeepSeek.py

│   │   │   │   ├── ModelIO_OpenAI.py

│   │   │   │   ├── ModelIO_Init_chat_model.py

│   │   │   │   ├── ModelIO_Qwen.py

│   │   │   │   ├── ModelIO_ChatOpenAI.py

│   │   │   │   ├── ModelIO_Params.py

│   │   │   │   ├── ModelIO_Ollama.py

│   │   │   ├── 04_prompt

│   │   │   │   ├── load_external

│   │   │   │   │   ├── PromptLoadDemo02.py

│   │   │   │   │   ├── prompt.yaml

│   │   │   │   │   ├── PromptLoadDemo01.py

│   │   │   │   │   ├── prompt.json

│   │   │   │   ├── prompt_templates

│   │   │   │   │   ├── method

│   │   │   │   │   │   ├── PromptTemplate_FormatMethod.py

│   │   │   │   │   │   ├── PromptTemplate_InvokeMethod.py

│   │   │   │   │   │   ├── PromptTemplate_PartialMethod.py

│   │   │   │   │   ├── PromptTemplate_PartialVariables.py

│   │   │   │   │   ├── PromptTemplate_Constructor.py

│   │   │   │   │   ├── PromptTemplate_Combined.py

│   │   │   │   │   ├── PromptTemplate_FromTemplate.py

│   │   │   │   ├── chat_prompt_template

│   │   │   │   │   ├── placeholder

│   │   │   │   │   │   ├── ChatPromptTemplate_ExplicitPlaceholder.py

│   │   │   │   │   │   ├── ChatPromptTemplate_ImplicitPlaceholder.py

│   │   │   │   │   ├── parameter

│   │   │   │   │   │   ├── ChatPromptTemplate_DictParam.py

│   │   │   │   │   │   ├── ChatPromptTemplate_MessageParam.py

│   │   │   │   │   │   ├── ChatPromptTemplate_TupleParam.py

│   │   │   │   │   ├── ChatPromptTemplate_Constructor.py

│   │   │   │   │   ├── ChatPromptTemplate_FormatMessages.py

│   │   │   │   ├── invoke

│   │   │   │   │   ├── LLM_aBatch.py

│   │   │   │   │   ├── LLM_Invoke.py

│   │   │   │   │   ├── LLM_Batch.py

│   │   │   │   │   ├── LLM_Stream.py

│   │   │   │   │   ├── LLM_aStream.py

│   │   │   │   │   ├── LLM_aInvoke.py

│   │   │   │   ├── ImportPromptEnv.py

│   │   ├── 01_vcr

│   │   │   ├── 10_Prompt是什么.mp4

│   │   │   ├── 09_模型参数temperature补充.mp4

│   │   │   ├── 08_模型调用方法6大方法.mp4

│   │   │   ├── 11_提示词模板之构造方法.mp4

│   │   │   ├── 07_Ollama本地大模型部署.mp4

│   │   │   ├── 06_Model-IO大模型接口.mp4

│   ├── FastMCP3.12版本支持.zip

├── 04-尚硅谷AI大模型之NLP教程【录播课】

│   ├── 2.资料

│   │   ├── 3.预训练模型

│   │   │   ├── bert-base-chinese

│   │   │   │   ├── model.safetensors

│   │   │   │   ├── vocab.txt

│   │   │   │   ├── config.json

│   │   │   │   ├── tokenizer.json

│   │   │   │   ├── tokenizer_config.json

│   │   ├── 1.词向量

│   │   │   ├── sgns.weibo.word.bz2

│   │   ├── 2.数据集

│   │   │   ├── 2.对话数据集

│   │   │   │   ├── synthesized_.jsonl

│   │   │   ├── 3.中英短句数据集

│   │   │   │   ├── cmn.txt

│   │   │   ├── 1.评论数据集

│   │   │   │   ├── online_shopping_10_cats.csv

│   ├── 3.代码

│   │   ├── 代码.zip

│   ├── 1.笔记

│   │   ├── 尚硅谷大模型技术之NLP1.0.3.docx

│   ├── 4.视频

│   │   ├── 092-NLP-Seq2Seq-模型结构-案例实操-概述.mp4

│   │   ├── 105-NLP-Seq2Seq-案例-评估脚本-bleu说明.mp4

│   │   ├── 016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram.mp4

│   │   ├── 028-NLP-传统序列模型-RNN-示意图.mp4

│   │   ├── 100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器.mp4

│   │   ├── 009-NLP-文本表示-分词-中文分词.mp4

│   │   ├── 088-NLP-Seq2Seq-模型结构-编码器.mp4

│   │   ├── 134-NLP-Transformer-实现细节-注意力为什么需要缩放.mp4

│   │   ├── 172-NLP-预训练模型-HF-Datasets-加载在线数据集.mp4

│   │   ├── 067-NLP-传统序列模型-LSTM-概述.mp4

│   │   ├── 050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法.mp4

│   │   ├── 073-NLP-传统序列模型-LSTM-案例-概述&思路分析.mp4

│   │   ├── 159-NLP-预训练模型-主流模型-BERT-预训练.mp4

│   │   ├── 129-NLP-Transformer-模型结构-编码器-小结.mp4

│   │   ├── 045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表.mp4

│   │   ├── 167-NLP-预训练模型-HF-Tokenizer-使用.mp4

│   │   ├── 093-NLP-Seq2Seq-模型结构-案例实操-需求分析.mp4

│   │   ├── 040-NLP-传统序列模型-RNN-案例-项目结构.mp4

│   │   ├── 143-NLP-Transformer-案例-模型定义-基础结构.mp4

│   │   ├── 054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑.mp4

│   │   ├── 007-NLP-文本表示-分词-英文分词.mp4

│   │   ├── 131-NLP-Transformer-模型结构-解码器-Mask-Attention.mp4

│   │   ├── 119-NLP-Transformer-模型结构-编码器-概述.mp4

│   │   ├── 068-NLP-传统序列模型-LSTM-基础结构-说明.mp4

│   │   ├── 133-NLP-Transformer-模型结构-解码器-小结.mp4

│   │   ├── 152-NLP-预训练模型-主流模型-GPT-概述.mp4

│   │   ├── 125-NLP-Transformer-模型结构-编码器-残差连接-说明.mp4

│   │   ├── 051-NLP-传统序列模型-RNN-案例-模型定义-前向传播.mp4

│   │   ├── 023-NLP-文本表示-词表示-语义化词向量-应用-编码.mp4

│   │   ├── 111-NLP-Attention机制-注意力评分函数.mp4

│   │   ├── 005-NLP-环境准备.mp4

│   │   ├── 034-NLP-传统序列模型-RNN-API-输入输出-含义.mp4

│   │   ├── 056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型.mp4

│   │   ├── 010-NLP-文本表示-分词-分词工具-概述.mp4

│   │   ├── 139-NLP-Transformer-API-nn.Transformer-forward方法-概述.mp4

│   │   ├── 103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑.mp4

│   │   ├── 013-NLP-文本表示-分词-分词工具-jieba-自定义词典.mp4

│   │   ├── 141-NLP-Transformer-API-nn.Transformer-encoder&decoder.mp4

│   │   ├── 147-NLP-Transformer-案例-训练脚本.mp4

│   │   ├── 107-NLP-Seq2Seq-总结.mp4

│   │   ├── 090-NLP-Seq2Seq-模型结构-训练机制.mp4

│   │   ├── 177-NLP-预训练模型-HF-Datasets-保存数据集.mp4

│   │   ├── 116-NLP-Transformer-概述.mp4

│   │   ├── 149-NLP-Transformer-哈佛版本-核心源码解读.mp4

│   │   ├── 047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集.mp4

│   │   ├── 109-NLP-Attention机制-工作原理-概述.mp4

│   │   ├── 095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer.mp4

│   │   ├── 086-NLP-传统序列模型-LSTM_GRU_RNN横向对比.mp4

│   │   ├── 127-NLP-Transformer-模型结构-编码器-位置编码.mp4

│   │   ├── 078-NLP-传统序列模型-LSTM-案例-模型定义.mp4

│   │   ├── 110-NLP-Attention机制-工作原理-具体步骤.mp4

│   │   ├── 076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下.mp4

│   │   ├── 158-NLP-预训练模型-主流模型-BERT-微调.mp4

│   │   ├── 038-NLP-传统序列模型-案例-思路分析-数据集说明.mp4

│   │   ├── 075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上.mp4

│   │   ├── 124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述.mp4

│   │   ├── 083-NLP-传统序列模型-GRU-基础结构.mp4

│   │   ├── 183-NLP-预训练模型-案例-模型训练.mp4

│   │   ├── 011-NLP-文本表示-分词-分词工具-jieba-分词模式.mp4

│   │   ├── 120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量.mp4

│   │   ├── 156-NLP-预训练模型-主流模型-BERT-概述.mp4

│   │   ├── 122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力.mp4

│   │   ├── 153-NLP-预训练模型-主流模型-GPT-模型结构.mp4

│   │   ├── 184-NLP-预训练模型-案例-模型推理.mp4

│   │   ├── 021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操.mp4

│   │   ├── 115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改.mp4

│   │   ├── 025-NLP-文本表示-词表示-上下文相关词向量.mp4

│   │   ├── 039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路.mp4

│   │   ├── 179-NLP-预训练模型-案例-数据预处理-上.mp4

│   │   ├── 069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸.mp4

│   │   ├── 071-NLP-传统序列模型-LSTM-API-构造参数.mp4

│   │   ├── 002-NLP-课程概述.mp4

│   │   ├── 072-NLP-传统序列模型-LSTM-API-输入输出.mp4

│   │   ├── 096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建.mp4

│   │   ├── 114-NLP-Attention机制-案例-注意力机制-编码.mp4

│   │   ├── 031-NLP-传统序列模型-RNN-多层+双向结构.mp4

│   │   ├── 130-NLP-Transformer-模型结构-解码器-概述.mp4

│   │   ├── 077-NLP-传统序列模型-LSTM-案例-数据集.mp4

│   │   ├── 044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理.mp4

│   │   ├── 091-NLP-Seq2Seq-模型结构-推理机制.mp4

│   │   ├── 046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集.mp4

│   │   ├── 049-NLP-传统序列模型-RNN-案例-数据集-编码.mp4

│   │   ├── 060-NLP-传统序列模型-RNN-案例-评估脚本-说明.mp4

│   │   ├── 137-NLP-Transformer-API-概述.mp4

│   │   ├── 160-NLP-预训练模型-主流模型-T5-概述&模型结构.mp4

│   │   ├── 063-NLP-传统序列模型-RNN-案例-Tokenizer-说明.mp4

│   │   ├── 080-NLP-传统序列模型-LSTM-案例-模型预测.mp4

│   │   ├── 163-NLP-预训练模型-HF-模型加载-AutoModel.mp4

│   │   ├── 118-NLP-Transformer-模型结构-整体结构.mp4

│   │   ├── 035-NLP-传统序列模型-RNN-API-输入输出-形状分析.mp4

│   │   ├── 081-NLP-传统序列模型-LSTM-案例-模型评估.mp4

│   │   ├── 052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备.mp4

│   │   ├── 094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件.mp4

│   │   ├── 146-NLP-Transformer-案例-模型定义-前向传播.mp4

│   │   ├── 171-NLP-预训练模型-HF-Datasets-查看数据集.mp4

│   │   ├── 175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上.mp4

│   │   ├── 061-NLP-传统序列模型-RNN-案例-评估脚本-编码.mp4

│   │   ├── 026-NLP-传统序列模型-RNN-概述.mp4

│   │   ├── 138-NLP-Transformer-API-nn.Transformer-构造参数.mp4

│   │   ├── 033-NLP-传统序列模型-RNN-API-输入输出-概述.mp4

│   │   ├── 132-NLP-Transformer-模型结构-解码器-Cross-Attention.mp4

│   │   ├── 108-NLP-Attention机制-概述.mp4

│   │   ├── 055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明.mp4

│   │   ├── 150-NLP-预训练模型-概述.mp4

│   │   ├── 182-NLP-预训练模型-案例-模型定义.mp4

│   │   ├── 029-NLP-传统序列模型-RNN-多层结构.mp4

│   │   ├── 164-NLP-预训练模型-HF-模型加载-AutoModelForXXX.mp4

│   │   ├── 102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码.mp4

│   │   ├── 018-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-说明.mp4

│   │   ├── 058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上.mp4

│   │   ├── 176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下.mp4

│   │   ├── 024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题.mp4

│   │   ├── 169-NLP-预训练模型-HF-Datasets-概述.mp4

│   │   ├── 106-NLP-Seq2Seq-案例-评估脚本-编码.mp4

│   │   ├── 148-NLP-Transformer-案例-预测&评估脚本.mp4

│   │   ├── 173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据.mp4

│   │   ├── 180-NLP-预训练模型-案例-数据预处理-下.mp4

│   │   ├── 174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集.mp4

│   │   ├── 097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集.mp4

│   │   ├── 099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器.mp4

│   │   ├── 126-NLP-Transformer-模型结构-编码器-层归一化.mp4

│   │   ├── 181-NLP-预训练模型-案例-Dataloader.mp4

│   │   ├── 003-NLP-导论-常见任务.mp4

│   │   ├── 064-NLP-传统序列模型-RNN-案例-Tokenizer-编码.mp4

│   │   ├── 113-NLP-Attention机制-案例-注意力机制-实现思路.mp4

│   │   ├── 036-NLP-传统序列模型-RNN-API-小练习.mp4

│   │   ├── 043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明.mp4

│   │   ├── 008-NLP-文本表示-分词-英文分词-BPE算法.mp4

│   │   ├── 185-NLP-预训练模型-案例-模型评估.mp4

│   │   ├── 032-NLP-传统序列模型-RNN-API-构造参数.mp4

│   │   ├── 074-NLP-传统序列模型-LSTM-案例-数据处理-说明.mp4

│   │   ├── 136-NLP-Transformer-模型训练和推理机制.mp4

│   │   ├── 098-NLP-Seq2Seq-模型结构-案例实操-Dataloader.mp4

│   │   ├── 178-NLP-预训练模型-HF-Datasets-集成Dataloader.mp4

│   │   ├── 104-NLP-Seq2Seq-案例-预测脚本.mp4

│   │   ├── 084-NLP-传统序列模型-GRU-复杂结构&API使用说明.mp4

│   │   ├── 020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述.mp4

│   │   ├── 101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型.mp4

│   │   ├── 006-NLP-文本表示-概述.mp4

│   │   ├── 042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件.mp4

│   │   ├── 027-NLP-传统序列模型-RNN-基础结构.mp4

│   │   ├── 004-NLP-导论-技术演进历史.mp4

│   │   ├── 066-NLP-传统序列模型-RNN-存在问题-分析.mp4

│   │   ├── 022-NLP-文本表示-词表示-语义化词向量-应用-概述.mp4

│   │   ├── 144-NLP-Transformer-案例-模型定义-位置编码-简易实现.mp4

│   │   ├── 089-NLP-Seq2Seq-模型结构-解码器.mp4

│   │   ├── 170-NLP-预训练模型-HF-Datasets-加载数据集.mp4

│   │   ├── 187-NLP-预训练模型-案例-带任务头的预训练模型.mp4

│   │   ├── 015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述.mp4

│   │   ├── 123-NLP-Transformer-模型结构-编码器-前馈神经网络层.mp4

│   │   ├── 059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下.mp4

│   │   ├── 165-NLP-预训练模型-HF-模型使用.mp4

│   │   ├── 053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环.mp4

│   │   ├── 142-NLP-Transformer-案例-代码改造思路.mp4

│   │   ├── 065-NLP-传统序列模型-RNN-存在问题-概述.mp4

│   │   ├── 057-NLP-传统序列模型-RNN-案例-预测脚本-说明.mp4

│   │   ├── 030-NLP-传统序列模型-RNN-双向结构.mp4

│   │   ├── 062-NLP-传统序列模型-RNN-案例-代码改造说明.mp4

│   │   ├── 155-NLP-预训练模型-主流模型-GPT-微调.mp4

│   │   ├── 037-NLP-传统序列模型-案例-概述.mp4

│   │   ├── 161-NLP-预训练模型-主流模型-T5-预训练&微调.mp4

│   │   ├── 079-NLP-传统序列模型-LSTM-案例-模型训练.mp4

│   │   ├── 001-NLP-课程简介.mp4

│   │   ├── 070-NLP-传统序列模型-LSTM-复杂结构.mp4

│   │   ├── 041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析.mp4

│   │   ├── 157-NLP-预训练模型-主流模型-BERT-模型结构.mp4

│   │   ├── 087-NLP-Seq2Seq-概述.mp4

│   │   ├── 128-NLP-Transformer-模型结构-编码器-说明.mp4

│   │   ├── 082-NLP-传统序列模型-LSTM-存在问题.mp4

│   │   ├── 085-NLP-传统序列模型-GRU-案例实操.mp4

│   │   ├── 151-NLP-预训练模型-分类.mp4

│   │   ├── 162-NLP-预训练模型-HF-概述.mp4

│   │   ├── 019-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-编码.mp4

│   │   ├── 017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW.mp4

│   │   ├── 117-NLP-Transformer-核心思想.mp4

│   │   ├── 121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程.mp4

│   │   ├── 166-NLP-预训练模型-HF-Tokenizer-加载.mp4

│   │   ├── 168-NLP-预训练模型-HF-Tokenizer-模型配合使用.mp4

│   │   ├── 186-NLP-预训练模型-案例-测试.mp4

│   │   ├── 140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出.mp4

│   │   ├── 112-NLP-Attention机制-案例-代码升级改造思路.mp4

│   │   ├── 154-NLP-预训练模型-主流模型-GPT-预训练.mp4

│   │   ├── 145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现.mp4

│   │   ├── 048-NLP-传统序列模型-RNN-案例-数据集-说明.mp4

│   │   ├── 012-NLP-文本表示-分词-分词工具-jieba-分词模式-API.mp4

│   │   ├── 014-NLP-文本表示-词表示-one-hot&语义化词向量-概述.mp4

│   │   ├── 135-NLP-Transformer-实现细节-注意力如何感知相对位置.mp4

│   ├── NLP课程简介.txt

├── 代码.zip

├── 尚硅谷大模型智能体线上班.JPG

├── 智能体-课程大纲.pd