getfromcodeAI

赋范 AI-2026年大模型 Agent智能体开发实战 夏季班

赋范 AI-2026年大模型 Agent智能体开发实战 夏季班 实战大模型Agent智能体开发 编辑点评 深入解析大模型原理,实战项目丰富,适合AI开发者进阶。 ⭐ 编辑推荐 本课程深入讲解大模型Agent智能体开发,涵盖大模型接入、部署、开发实战等,助你成为AI领域的专家。 ✨ 课程亮点 ✦ 大模

单课价¥79.905 人已购
会员价 ¥0开通会员,全站课程无限下载套餐详情
577 人关注 更新于 2026-10-29 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

支付成功后自动发货,可在「我的订单」查看网盘链接;链接失效可联系客服免费补链。

正版保障 极速发货 售后无忧

赋范 AI-2026年大模型 Agent智能体开发实战 夏季班

实战大模型Agent智能体开发

编辑点评

深入解析大模型原理,实战项目丰富,适合AI开发者进阶。

⭐ 编辑推荐

本课程深入讲解大模型Agent智能体开发,涵盖大模型接入、部署、开发实战等,助你成为AI领域的专家。

✨ 课程亮点

✦大模型原理深入解析
✦实战项目丰富
✦适合AI开发者进阶

课程目录

第 1 部分1 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】1 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
【Part 1】全球顶尖在线大模型接入指南6 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1. 大模型核心原理与全球厂商现状概述 .sz
  • 2. openRouter以及deepseek等国内平台注册 .sz
  • 3. OpenAI通用接口Chat Completions API基础使用 .sz
  • 4. Chat Completions API 接口进阶使用 .sz
  • 5. 多模型交互实战项目LLM-PlayGround .sz
【Part 2】开源大模型部署与调用指南8 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1. 全球三大开源平台介绍Huggingface、魔搭社区以及Github .sz
  • 2. 开源平台实操、资源获取方式 .sz
  • 3. 大模型权重原理及显存需求计算 .sz
  • 4. AutoDL云服务平台介绍与创建实例 .sz
  • 5. 大模型量化技术介绍与GGUF、AWQ格式选型 .sz
  • 6. 量化框架llama.cpp、unsloth、ktransformers介绍与实操 .sz
  • 7. 本地部署ollama、vLLM演示 .sz
【Part 3】大模型Agent开发基础5 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 大模型Agent演进脉络与生态全景 .sz
  • 1.2 Function Calling 概念详解与实战 .sz
  • 1.3 Function Calling 故障排查与并行调用工具优化 .sz
  • 1.4 旅游规划Agent项目与答疑 .sz
【Part 4】LangChain 1.0 体系讲解30 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 LangChain整体框架介绍 .sz
  • 1.2 LangChain生态、核心依赖定位以及Runnable概念介绍 .sz
  • 1.3 模型接口调用与速率限流和重试机制 .sz
  • 1.4 Messages消息列表和Prompt提示词模版演示 .sz
  • 1.5 标准化内容块、批处理和流式输出 .sz
  • 1.6 结构化输出以及搭建对话问答机器人案例 .sz
  • 2.1 Agent核心概念与React范式 .sz
  • 2.2 Tool工具接入与自定义工具使用 .sz
  • 2.3 MCP服务接入与意图识别分类优化 .sz
  • 2.4 SystemPrompt系统提示词与流式输出 .sz
  • 2.5 记忆管理之短期记忆、上下文裁剪与自定义State扩展 .sz
  • 2.6 记忆管理之长期记忆、跨线程记忆管理 .sz
  • 3.1 LangGraph Studio 图结构可视化框架 .sz
  • 3.2 中间件技术概览、类型分类与应用场景 .sz
  • 3.3 LangChain内部集成中间件介绍与应用 .sz
  • 3.4 装饰器与继承方法自定义中间件应用 .sz
  • 3.5 【实战】IT运维多中间件组合应用案例实战 .sz
  • 4.1 RAG基础概述与LangChain搭建RAG检索功能 .sz
  • 4.2 AgenticRAG概念介绍与自定义RAG检索工具Tool .sz
  • 4.3 定义中间件构建完整AgenticRAG系统 .sz
  • 4.4 LangSmith可视化工具注册与使用 .sz
  • 5.1 DeepAgents框架定位与功能介绍 .sz
  • 5.2 系统提示词与子代理subAgent工具 .sz
  • 5.3 文件系统与backend沙箱环境应用 .sz
  • 5.4 backend数据库存储与混合后端模式 .sz
  • 6.1 DeepAgents网络爬虫系统架构及实现逻辑 .sz
  • 6.2 智能体运行效果与结果展示 .sz
  • 6.3 四大子智能体与工具独立运行效果 .sz
  • 6.4 AgentChatCli开源工具使用与DeepAgents总结 .sz
【Part 5】大模型RAG入门24 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 【RAG】1.1 RAG基础概念讲解 .sz
  • 【RAG】1.2 案例演示以及Langchain代码实现离线处理 .sz
  • 【RAG】1.3 Langchain实现数据检索以及完整流程演示 .sz
  • 【RAG】1.4 RAG部署考虑以及进阶优化方案 .sz
  • 【RAG】2.1 RAG多文档解析难点与技术选型 .sz
  • 【RAG】2.2 使用unstructured库解析基础格式文档 .sz
  • 【RAG】2.3 使用unstructured库对图像和PDF复杂格式文档解析 .sz
  • 【RAG】2.4 LlamaIndex框架结合unstructured库混合解析文档实践 .sz
  • 【RAG】3.1 数据清洗与文档切分核心原则 .sz
  • 【RAG】3.2 LlamaIndex基础文档切分器实战解析 .sz
  • 【RAG】3.3 层级文档分割器及混合分割应用实践 .sz
  • 【RAG】3.4 切分策略选择优化与评估器应用演示 .sz
  • 【RAG】4.1 Embedding模型介绍及调用实践 .sz
  • 【RAG】4.2 向量数据库多维度对比及核心组件介绍 .sz
  • 【RAG】4.3 各类向量数据库嵌入数据实操演示 .sz
  • 【RAG】4.4 向量检索工具封装及agent调用演示 .sz
  • 【RAG】5.1 RAG检索生成流程概述 .sz
  • 【RAG】5.2 基础检索与混合检索+rerank实践 .sz
  • 【RAG】5.3 单词查询与多轮对话实践 .sz
  • 【RAG】5.4 RAG检索阶段无序评估指标 .sz
  • 【RAG】5.5 RAG检索阶段有序评估指标及代码演示 .sz
  • 【RAG】5.6 RAG生成阶段评估指标 .sz
  • 【RAG】5.7 开源评估框架DeepEval和Trulens演示 .sz
【Part 6】大模型RAG进阶-LlamaIndex15 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 结构化数据核心概念与markdown、pdf文件中表格解析 .sz
  • 1.2 小数据集PandasQueryEngine分析工具应用 .sz
  • 1.3 milvus+BM25检索结构化数据 .sz
  • 1.4 Text-To-SQL检索与优化方案 .sz
  • 1.5 混合路由架构检索与部署优化建议 .sz
  • 2.1 图文混排PDF难点与技术挑战概述 .sz
  • 2.2 PyMuPDF开源多模态索引与检索 .sz
  • 2.3 LlamaParse 实现Markdown格式转化检索 .sz
  • 2.4 MinerU接口实现VLM+OCR混合检索 .sz
  • 2.5 ReAct智能体集成多模态RAG检索工具 .sz
  • 3.1 跨模态检索挑战与CLIP模型MVP验证 .sz
  • 3.2 VLM图片描述生成+混合检索 .sz
  • 3.3 Qwen3-VL召回+精排黄金架构 .sz
  • 3.4 多模态Agentic RAG检索智能体 .sz
【Part 7】Agent skills 详解13 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 大模型Agent Skills演进脉络与官方应用 .sz
  • 1.2 Skills渐进式披露运行原理与内部结构解析 .sz
  • 1.3 Skills执行机制代码实现与MCP技术对比 .sz
  • 1.4 openai的sdk实现完整skills运行逻辑讲解 .sz
  • 1.5 Agent skills生态边界与应用场景 .sz
  • 1.6 AgentSkills基础入门课程答疑 .sz
  • 2.1 LangChain搭建Agent基础环境 .sz
  • 2.2 反面案例剖析Skills内核结构 .sz
  • 2.3 三大核心Skills设计原则 .sz
  • 2.4 SKills四种核心范式设计模式 .sz
  • 2.5 从零到一创建文档摘要Skills与评估优化实战 .sz
  • 2.6 升级版mini-openclaw项目创建评估skills演示 .sz
【Part 8】智能体长短期记忆管理11 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 Agent记忆管理与文件记忆管理系统类型介绍 .sz
  • 1.2 短期记忆管理介绍与截断压缩处理机制 .sz
  • 1.3 长期记忆管理存储类型与写入触发三要素 .sz
  • 1.4 短期+长期协同MemoryManager调度中枢 .sz
  • 1.5 mini-openclaw长短期记忆部分解读 .sz
  • 2.1 开源记忆中间件mem0概述及核心架构 .sz
  • 2.2 mem0快速上手及milvus向量数据库集成使用 .sz
  • 2.3 langchain接入mem0工具调用核心思路 .sz
  • 2.4 生产部署思路与ClaudeCode优化方案 .sz
  • 2.5 mini-openclaw演示mem0长期记忆存储方式 .sz
【Part 9】智能体上下文工程13 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 Agent上下文工程概述介绍与六大模块概览 .sz
  • 1.2 上下文六大模块实战演示效果 .sz
  • 1.3 上下文五大策略-write写入select检索实战 .sz
  • 1.4 上下文五大策略-compress压缩方案实战 .sz
  • 1.5 上下文五大策略-isolate隔离、cache缓存实战与总结 .sz
  • 2.1 六模块认知与LangChain中间件回顾 .sz
  • 2.2 Compression 压缩五件套 Middleware 叠加策略 .sz
  • 2.3 Write三策略会话_长期_任务三层记忆实现 .sz
  • 2.4 Select 四策略工程化与动态工具装配 .sz
  • 2.5 Isolate 隔离子 Agent 编排实现 .sz
  • 2.6 Cache 前缀缓存断裂诊断与修复 .sz
  • 2.7 mini-openclaw 集成优化策略演示 .sz
【Vibe Coding 阶段二】Cursor 进阶实战12 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 10. OpenClaw源码二开-接入自定义Agent Skills .sz
  • 11. OpenClaw源码二开-接入自定义应用场景 .sz
  • 6. OpenClaw源码开发整体流程梳理 .sz
  • 7. OpenClaw源码本地部署及启动测试 .sz
  • 8. OpenClaw源码二开-接入自定义大模型 .sz
  • 9. OpenClaw源码二开-接入飞书客户端 .sz
  • 【阶段二】1. 基于VIbe Coding进行开源项目二次开发思路 .sz
  • 【阶段二】2. 顶级OpenClaw项目价值 & 本地部署 .sz
  • 【阶段二】3. OpenClaw源码拆解-客户端架构设计 .sz
  • 【阶段二】4. OpenClaw源码拆解-GateWay AI网关通信协议 .sz
  • 【阶段二】5. OpenClaw源码拆解-Agent Runtime 源码拆解 .sz
【Vibe Coding 阶段三】Claude Code实战18 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.Claude Code入门介绍 .sz
  • 2.Claude Code部署与使用 .sz
  • 3.Claude Code替换国内模型流程 .sz
  • 4.Claude Code完整功能与架构介绍 .sz
  • 5.内置工具与记忆系统功能详解 .sz
  • 6.会话回溯、斜杠命令与上下文压缩 .sz
  • 7.MCP、Skills与Plugin使用方法 .sz
  • 8.Claude Code进阶开发实战 .sz
  • 【阶段三】1. 企业项目前后端驱动设计规范及CC上手使用 .sz
  • 【阶段三】2. 多模态RAG问答系统技术架构拆解 .sz
  • 【阶段三】3. 多模态RAG问答系统-文档解析模块开发 .sz
  • 【阶段三】4. 多模态RAG问答系统-知识图谱提取模块MVP构建测试 .sz
  • 【阶段三】5. 多模态RAG问答系统-GraphRAG索引完整Pipeline-MVP搭建 .sz
  • 【阶段三】6. 多模态RAG问答系统-后端系统架构设计及规范文档生成 .sz
  • 【阶段三】7. 多模态RAG问答系统-基于PRD使用Figma生成前端产品原型 .sz
  • 【阶段三】8. 多模态RAG问答系统-前后端并行开发&集成测试 .sz
  • 【阶段三】9. 多模态RAG问答系统-前后端接口联调&工程化开发经验分享 .sz
【Vibe Coding 阶段四】CC 企业级进阶实战5 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 【阶段四】1.Claude Code Agent Teams协作原理 .sz
  • 【阶段四】2. Agent Teams 市场调研&竞品分析拆解 .sz
  • 【阶段四】3. 系统业务建模 & 核心交互链设计 .sz
  • 【阶段四】4. 前后端接口联调 & 自动化测试交付 .sz
【Vibe Coding 阶段一】AI编程入门8 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 【阶段一】1. VibeCoding全新编程范式技术概览 .sz
  • 【阶段一】2. 从零开发AI-ChatBot项目-前端UI设计 .sz
  • 【阶段一】3. 从零开发AI-ChatBot项目-后端模型及前后端联调 .sz
  • 【阶段一】4. 智能数据分析代理-需求梳理&系统架构设计 .sz
  • 【阶段一】5. 智能数据分析代理-Linear 项目管理工具配置 .sz
  • 【阶段一】6. 智能数据分析代理-Agent后端代码开发及测试 .sz
  • 【阶段一】7. 智能数据分析代理-前后端接口联调&经验分享 .sz
【加餐】Agent Skills 快速入门实战8 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.Agent Skills技术影响力介绍 .sz
  • 2.Agent Skills快速使用流程 .sz
  • 3.Agent Skills底层技术实现流程 .sz
  • 4.Agent Skills系统开发基本思路 .sz
  • 5.标准Skills结构与样式 .sz
  • 6.基于LangChain开发Agent Skills系统 .sz
  • 7.Fufan-OpenClaw项目开发流程与功能介绍 .sz
【加餐】Agent Skill开发与Harness开发实战5 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.Agent Skill进阶介绍与课程项目部署.sz
  • 2.Anthropic官方Skills自动开发流程.sz
  • 3.基于历史对话自主生成skill.sz
  • 4.Agent Skills全自动自主反思进化流程.sz
【加餐】Claude Code 源码解读8 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.从零搭建简易Agent .sz
  • 2.Claude Code整体代码架构 .sz
  • 3.Claude Code通用记忆系统介绍 .sz
  • 4.Claude Code Dreaming记忆管理系统 .sz
  • 5.Claude Code安全特性介绍 .sz
  • 6.Claude Code对抗熵增过程 .sz
  • 7.Claude Code其它前沿功能 .sz
【加餐】DeepSeek-OCR-2 快速入门实战8 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.热门OCR模型入门介绍 .sz
  • 2.DeepSeek-OCR-2模型功能特性介绍 .sz
  • 3.DeepSeek-OCR-2视觉因果流原理介绍 .sz
  • 4.DeepSeek-OCR-Web在线解析流程介绍 .sz
  • 5.DeepSeek-OCR-2本地部署与Transformers调用流程 .sz
  • 6.vLLM推理部署与常用提示 .sz
  • 7.借助DeepSeek-OCR实现PDF转MarkDown .sz
【加餐】Harness Engineering 技术实战8 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.Harness engineering入门介绍 .sz
  • 2.Harness engineering理论基础(上) .sz
  • 3.Harness engineering理论基础(下) .sz
  • 4.GStack项目介绍 .sz
  • 5.Gstack项目功能深度解读 .sz
  • 6.Gstack项目实操代码开发 .sz
  • 7.Gstack项目实操文本生成 .sz
【加餐】Hermes Agent 技术实战7 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.Harness Engineering理论回顾 .sz
  • 2.Hermes入门介绍与使用流程 .sz
  • 3.案例一:Agent运行时功能介绍与使用 .sz
  • 4.案例二:Hermes Agent接入飞书流程 .sz
  • 5.案例三:Hermes Agent记忆系统介绍与使用 .sz
  • 6.案例四:Hermes Agent Skill自主生成与迭代优化 .sz
【加餐】OpenClaw AI数字员工开发实战1 集
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.OpenClaw项目回顾 .sz
  • 1.OpenClaw项目回顾 .mp4
  • 2.OpenClaw安装部署全流程详解 .sz
  • 3.OpenClaw网关系统介绍 .sz
  • 4.OpenClaw Skills系统介绍 .sz
  • 5.OpenClaw插件与持久记忆系统 .sz
  • 6.AI数字员工功能介绍 .sz
  • 7.AI HR数字员工开发流程 .sz
  • 8.AI HR数字员工效果演示 .sz
  • 8.AI HR数字员工效果演示 481.sz
【加餐】OpenClaw 记忆系统开发实践7 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.OpenClaw核心功能架构介绍 .sz
  • 2.OpenClaw记忆系统介绍 .sz
  • 3.OpenClaw Agent Skills系统介绍 .sz
  • 4.OpenClaw消息队列构造流程 .sz
  • 5.从零手搓OpenClaw基本思路 .sz
  • 6.mini OpenClaw系统功能介绍 .sz
【实战项目合集】热门工业级案例62 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 【加餐】案例11:文档审核v1.0 - 1. AI 文档审核类项目实战 .sz
  • 【加餐】案例11:文档审核v1.0 - 2. AI文档审核系统功能架构 .sz
  • 【加餐】案例11:文档审核v1.0 - 3. 成熟AI文档审核产品技术方案 .sz
  • 【加餐】案例11:文档审核v1.0 - 4. 多模态大模型搭建票据审核Agent .sz
  • 【加餐】案例11:文档审核v1.0 - 5. 基于OCR搭建法务合同审核Agent .sz
  • 【加餐】案例11:文档审核v1.0 - 6. 本地部署启动文档审核系统 .sz
  • 【加餐】案例12 - 7. 【实战】自定义规则 + RAG分块完整Pipeline详解 .sz
  • 【加餐】案例12 - 9.【实战】LangChain1.1在线审批的人机交互Agent实战 .sz
  • 【加餐】案例12-8.【实战】LC1.1 HumanInTheLoopMiddleware .sz
  • 【加餐】案例12:文档审核v2.0 - 1. 文档审核2.0项目说明 .sz
  • 【加餐】案例12:文档审核v2.0 - 2. 文档审核系统2.0功能与架构详解 .sz
  • 【加餐】案例12:文档审核v2.0 - 3. 文档审核类AI成熟落地产品功能介绍 .sz
  • 【加餐】案例12:文档审核v2.0 - 4. 文档审核2.0系统本地部署与启动流程 .sz
  • 【加餐】案例12:文档审核v2.0 - 5.【实战】基于 OCR 实现坐标级细粒度文档解析 .sz
  • 【加餐】案例12:文档审核v2.0 - 6.【实战】LangChian搭建审核Agent .sz
  • 【加餐】案例13 - 1. 垂直领域Agentic-GraphRAG技术介绍 .sz
  • 【加餐】案例13 - 2. Agentic-GraphRAG 系统功能展示 .sz
  • 【加餐】案例13 - 3. 垂直领域RAG痛点与GraphRAG落地产品介绍 .sz
  • 【加餐】案例13 - 4. Agentic-GraphRAG技术架构优势 .sz
  • 【加餐】案例13 - 5.【实战】LangExtract 万字长文信息抽取 .sz
  • 【加餐】案例13 - 6.【实战】复杂PDF文档的工业级ETL清洗流程 .sz
  • 【加餐】案例13 - 7.【实战】知识图谱构建与Agentic-GraphRAG开发 .sz
  • 案例10:图文视频Agent - 1.多模态应用_coze简介网页版与小程序版区别 .sz
  • 案例10:图文视频Agent - 2.多模态应用_社交图片流构建与使用 .sz
  • 案例10:图文视频Agent - 3.多模态应用_海报生成存储工作流构建 .sz
  • 案例10:图文视频Agent - 4.多模态应用_视频流创建使用与存储 .sz
  • 案例1:多模态RAG系统(VLM方向)- 1. 系统架构设计 .sz
  • 案例1:多模态RAG系统(VLM方向)- 2. RAG构建流程详解 .sz
  • 案例2:长文案编写Agent - 1. Dify_Agent长文本工作流创建与dify安装 .sz
  • 案例2:长文案编写Agent - 2. 长文本工作流实战_工作流工具构建 .sz
  • 案例2:长文案编写Agent - 3. Agent长文本工作流多流之间的调用 .sz
  • 案例3:多模态RAG系统(OCR方向)- 1. 前端项目架构讲解 .sz
  • 案例3:多模态RAG系统(OCR方向)- 2. 后端项目VLM接入集成 .sz
  • 案例3:多模态RAG系统(OCR方向)- 3. OCR解析集成-MinerU .sz
  • 案例3:多模态RAG系统(OCR方向)- 4. PP-VL与DS-OCR解析集成 .sz
  • 案例4:DeepResearch+Agent +Dify - 3. 基础架构与小型验证 .sz
  • 案例4:DeepResearch+Agent +Dify - 4. 实战主要逻辑生成 .sz
  • 案例4:DeepResearch+Agent +Dify - 5. 查询内容生成 .sz
  • 案例4:DeepResearch+Agent - 1. 基础讲解与必要性 .sz
  • 案例4:DeepResearch+Agent - 2. 架构概览讲解 .sz
  • 案例5:全自动数据分析系统 - 1. DS-OCR vLLM接口服务优化 .sz
  • 案例5:全自动数据分析系统 - 2. 上下文压缩思路及源码解读 .sz
  • 案例6:多模态模型微调实战 - 1. 什么是多模态大模型 .sz
  • 案例6:多模态模型微调实战 - 2. 与OCR的区别与为什么要做微调 .sz
  • 案例6:多模态模型微调实战 - 3. 模型选择与数据准备 .sz
  • 案例6:多模态模型微调实战 - 4. LLamafactory实战与讲解 .sz
  • 案例6:多模态模型微调实战 - 5. 代码微调与部署 .sz
  • 案例7:nl2SQL微调 - 1. NL2sql基础概念 .sz
  • 案例7:nl2SQL微调 - 2. 企业中的应用以及为什么要微调 .sz
  • 案例7:nl2SQL微调 - 3. 一键生成微调数据集 .sz
  • 案例7:nl2SQL微调 - 4. llamafactory第一阶段微调验证 .sz
  • 案例7:nl2SQL微调 - 5. 第二阶段代码微调及数据库验证 .sz
  • 案例8:数据分析Agent 开发实战 - 1. NL2SQL 数据分析项目架构整体介绍 .sz
  • 案例8:数据分析Agent 开发实战 - 2. Jina Embedding & Mil .sz
  • 案例8:数据分析Agent 开发实战 - 3. NL2SQL Agent 架构及中间件配 .sz
  • 案例8:数据分析Agent 开发实战 - 4. Agent 工具调用流式输出及可视化图表 .sz
  • 案例9:RL Agent性能微调 - 1.AgentRL_A的三阶段进化 .sz
  • 案例9:RL Agent性能微调 - 2.AgentRL_Agent核心架构与工作原理 .sz
  • 案例9:RL Agent性能微调 - 3.AgentRL_强化学习的必要与方法选择 .sz
  • 案例9:RL Agent性能微调 - 4.AgentRL_数据基础与构建程序 .sz
  • 案例9:RL Agent性能微调 - 5.AgentRL微调与结果校验 .sz
【专题课】Harness Engineering驾驭工程实战19 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 Harness Engineering原理与概念介绍 .sz
  • 1.2 Harness 的工程实现视角-八大核心机制 .sz
  • 1.3 Harness的宏观产品视角-三支柱坐标系 .sz
  • 2.1 OpenAI的sdk搭建mini-Harness配置环境 .sz
  • 2.2 核心循环、工具调用与进度追踪实现逻辑 .sz
  • 2.3 上下文管理、任务清单与自验证实现逻辑 .sz
  • 2.4 子 Agent 编排实现逻辑 .sz
  • 2.5 生成-评估分离实现与完整手搓mini-harness运行 .sz
  • 3.1 DeepAgents框架定位与环境准备 .sz
  • 3.2 核心函数create_deep_agent八步组装流水线拆解 .sz
  • 3.3 Middleware中间件Hook扩展与实战 .sz
  • 3.4 Backend虚拟文件系统与子代理subAgent定义方式实战 .sz
  • 3.5 HITL人在闭环、Skill集成、Memory读取与权限设置 .sz
  • 3.6 集成案例测试gstack-agent生成HTML网页实战 .sz
  • 4.1 HermesAgent介绍与功能对比 .sz
  • 4.2 Hermes热冷记忆系统分层管理实现 .sz
  • 4.3 自我升级skills双计数器+子Agent四重约束 .sz
  • 4.4 Hermes思维取舍坐标与定位 .sz
课程包含【秋季班】【夏季班】【秋季班】包更新一整年!!!1 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
直播回放1 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
Part 5. Harness Engineering 驾驭工程——curator整理机制与自进化边界 .sz8 条
  • Vibe Coding AI编程 Claude Code 工程化项目开发(第七课) .sz
  • Vibe Coding AI编程 Claude Code工程化开发实战(第六课) .sz
  • Vibe Coding AI编程 Claude Code工程化开发实战(第五课) .sz
  • Vibe Coding AI编程 Cursor AI IDE 深入实践(第三课) .sz
  • Vibe Coding AI编程 顶级Agent项目开发实战(第四课) .sz
  • Vibe Coding AI编程范式与快速上手实践(第二课) .sz
  • Vibe Coding AI编程范式与快速上手实践(第一课) .sz
  • 大模型基础入门——在线 API 接入实战 .sz
资料1 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
【实战项目合集】热门工业级案例23 条
  • VibeCodingCourse_完整课件(全).zip
  • 【Part 01】全球顶尖在线大模型接入指南.zip
  • 【Part 03】LangChain 1.0 体系讲解.zip
  • 【Part 03】大模型Agent开发基础.zip
  • 【Part 04】大模型RAG入门.zip
  • 【Part 07】Agent skills 详解.zip
  • 【Part 08】智能体长短期记忆管理.zip
  • 【Part 09】智能体上下文工程(1).zip
  • 【Part 09】智能体上下文工程.zip
  • 【加餐】Agent Skills 快速入门实战.zip
  • 【加餐】Agent Skill开发与Harness开发实战.zip
  • 【加餐】Claude Code 源码解读.zip
  • 【加餐】DeepSeek-OCR-2 快速入门实战.zip
  • 【加餐】Hermes Agent 技术实战.zip
  • 【加餐】OpenClaw AI数字员工开发实战.zip
  • 【加餐】OpenClaw 记忆系统开发实践.zip
  • 【实战项目合集】热门工业级案例.zip
  • 【专题课】Harness Engineering驾驭工程实战(1).zip
  • 【专题课】Harness Engineering驾驭工程实战.zip
  • 大模型RAG进阶讲解.zip
  • 阶段二:Cursor AI IDE 深入实践.zip
  • 阶段三:最强编程Claude Code工程实战.zip
  • 阶段一:Vibe Coding AI编程入门.zip
赋范 AI-2025年大模型 Agent智能体开发实战1 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
【part 0】深度学习Transformer基础(赠送)14 集
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 【Transformer】1 Transformer与注意力机制入门 .mp4
  • 【Transformer】10 编码器结构详解之前馈神经网络FFN .mp4
  • 【Transformer】11 完整Transformer结构下的解码器Decoder .mp4
  • 【Transformer】13 掩码与掩码注意力机制 .mp4
  • 【Transformer】14 填充掩码与前瞻掩码的实现 .mp4
  • 【Transformer】15 编码-解码注意力层 .mp4
  • 【Transformer】16 Decoder-Only结构下的Decoder .mp4
  • 【Transformer】2 Attention注意力机制的本质 .mp4
  • 【Transformer】3 Transformer中的注意力计算流程 & 多头注意力机制 .mp4
  • 【Transformer】4 Transformer的基本架构 .mp4
  • 【Transformer】6 正余弦编码的数学与实用意义 .mp4
  • 【Transformer】7 正余弦编码的实际计算与高维空间可视化 .mp4
  • 【Transformer】8 编码器结构详解之残差链接 .mp4
  • 【Transformer】9 编码器结构详解之Layer Normalization .mp4
【part 10】微调数据集获取创建方法12 集
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 大模型微调流程与选择概念讲解 .mp4
  • 1.2 微调方式便利与课程安排 .mp4
  • 1.3 主流大模型微调框架 .mp4
  • 1.4 平台租赁与硬件选取参考 .mp4
  • 2.1 Lora微调产生的背景 .mp4
  • 2.2 Lora微调原理讲解 .mp4
  • 2.3 lora原理代码实现 .mp4
  • 3.1 QLoRA技术背景及与LoRA对比详解 .mp4
  • 3.2 学习QLoRA的前置概念了解 .mp4
  • 3.3 QLoRA微调理论详解 .mp4
  • 4.1 PPO背景与强化学习基本概念 .sz
  • 4.2 PPO前置概念学习(上) .sz
  • 4.2 PPO前置概念学习(下) .sz
  • 4.3 PPO核心概念讲解 .sz
  • 4.3 PPO核心概念讲解 .mp4
  • 4.4 PPO核心公式讲解与代码实现 .mp4
  • 4.5 PPO核心公式讲解与代码实现 .sz
  • 5.1 RLHF产生的背景以及适用场景 .sz
  • 5.2 RLHF全链路微调流程拆解 .sz
  • 5.3 RLHF基础架构讲解 .sz
  • 5.4 RLHF中Reward_model详解 .sz
  • 5.5 RLHF与PPO之间的关系 .sz
  • 6.1 DPO与RLHF的关系及产生的背景 .sz
  • 6.2 DOP原理_中_从奖励表达式到偏好概率 .sz
  • 6.2 DPO原理_上_RLHF公式回顾与最优策略数学形式 .sz
  • 6.2 DPO原理_下_DPO损失函数推导 .sz
  • 6.3 DPO效果及训练策略 .sz
  • 6.4 DPO与其他微调方式结合 .sz
  • 7.1 什么是GRPO .sz
  • 7.2 GRPO流程讲解 .sz
  • 7.3 GRPO_Group_computation机智详解 .sz
  • 7.4 GRPO与PPO公式详解与应用 .sz
  • 7.5 GRPO双层KL控制机制 .sz
  • 8.1 大模型压缩背景与量化及位宽概述 .sz
  • 8.2 量化_线性量化原理 .sz
  • 8.3 量化_量化粒度讲解 .sz
  • 8.4 量化_量化位置讲解 .sz
  • 8.5 量化的作用位置及方法框架 .sz
  • 8.6 蒸馏_大模型蒸馏概念与响应级蒸馏 .sz
  • 8.7 蒸馏_分布级蒸馏与特征级蒸馏 .sz
【part 11】借助Llama-Factory进行高效微调31 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 Lora原理详解 .sz
  • 1.2 LLama_factory 介绍 .sz
  • 1.3 LLama_factory 安装部署及验证 .sz
  • 1.4 实战Qwen2.5微调 .sz
  • 1.5 配置TensorBoard .sz
  • 2.1 如何获取数据源及使用解析 .sz
  • 2.2 llamafactory中如何使用和注册数据集 .sz
  • 2.3 模型微调及参数详解 .sz
  • 2.4 数据验证&deepspeed微调 .sz
  • 3.1 win&Qlora&qwen2.5_Qlora能节约多少内存 .sz
  • 3.2 Qlora核心概念 .sz
  • 3.3 如何在windows配置环境 .sz
  • 3.4 Qlor微调实战与验证 .sz
  • 4.1 PPO&llama3.2_什么是PPO算法 .sz
  • 4.2 如何理解PPO .sz
  • 4.3 各个模型PPO算法的协作关系 .sz
  • 4.4 PPO模型与数据的选择 .sz
  • 4.5 PPO微调实操 .sz
  • 4.6 PPO源码解读 .sz
  • 5.1 RLHF&Qwen2.5,RLHF背景与意义 .sz
  • 5.2 RLHF流程拆解与核心 .sz
  • 5.3 奖励模型原理 .sz
  • 5.4 奖励模型训练流程 .sz
  • 5.5 RLHF全流程微调 .sz
  • 5.6 RLHF挑战与改进方向 .sz
  • 6.1 DPO&qwen2.5_什么是DPO .sz
  • 6.2 DPO原理讲解 .sz
  • 6.3 DPO与RLHF的区别 .sz
  • 6.4 DPO微调实践 .sz
  • 6.5 DPO微调验证 .sz
【part 11】微调数据集获取方法及自主构建11 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1大模型微调数据集概览_数据重要性 .sz
  • 1.2 大模型微调数据格式划分 .sz
  • 1.3 预训练数据集详解 .sz
  • 1.4 SFT数据集详解 .sz
  • 1.5 偏好数据集详解 .sz
  • 1.6 思维链数据详解 .sz
  • 2.1 微调数据集构建流程与思路讲解 .sz
  • 2.2 私有数据集项目安装使用讲解与实操 .sz
  • 2.3 数据集生成项目架构_项目创建_文档处理流程详解 .sz
  • 2.4 微调数据集生成与导出流程详解 .sz
【part 12】在线大模型微调与实战3 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 微调数据准备思路和微调准备 .sz
  • 1.2. 制造微调数据微调并评估结果 .sz
【part 13】PEFT手动微调实现流程7 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 PEFT&医疗领域模型微调实践 .sz
  • 1.2 本地模型验证 .sz
  • 1.3 PEFT详解 .sz
  • 1.4 微调数据与代码讲解 .sz
  • 1.5 校验与导出模型 .sz
  • 1.6 扩展与总结 .sz
【part 13】大模型微调 & 蒸馏应用实战43 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 医疗领域Embedding微调_模型详解 .sz
  • 1.2 医疗领域Embedding微调_微调原因与模型选择 .sz
  • 1.3 医疗领域Embedding微调_模型及数据下载验证 .sz
  • 1.4 医疗领域Embedding微调_微调实操讲解 .sz
  • 1.5 医疗领域Embedding微调_模型校验 .sz
  • 2.1 法律私有数据模型蒸馏_概念回顾 .sz
  • 2.2 法律私有数据模型蒸馏_蒸馏流程讲解 .sz
  • 2.3 法律私有数据模型蒸馏_数据讲解与查找 .sz
  • 2.4 法律私有数据模型蒸馏_构建COT_SFT数据_ETL .sz
  • 2.5 法律私有数据模型蒸馏_蒸馏实操 .sz
  • 2.6 法律私有数据模型蒸馏_蒸馏效果验证 .sz
  • 【1. DeepSeek R1微调实战】1.1 DeepSeek R1模型微调实战 .sz
  • 【1. DeepSeek R1微调实战】1.2 大模型微调基础概念详解 .sz
  • 【1. DeepSeek R1微调实战】1.3 热门高效微调工具介绍 .sz
  • 【1. DeepSeek R1微调实战】1.4 大模型微调软硬件环境搭建 .sz
  • 【1. DeepSeek R1微调实战】1.5 DeepSeek R1微调数据集准备 .sz
  • 【1. DeepSeek R1微调实战】1.6 热门微调框架unsloth快速入门指南 .sz
  • 【1. DeepSeek R1微调实战】1.7 unsloth格式化提示与输出方法 .sz
  • 【1. DeepSeek R1微调实战】1.8 DS R1高效微调最小可行性方案实践 .sz
  • 【1. DeepSeek R1微调实战】2. DS R1海量数据深度高效微调实战 .sz
  • 【DS-R1 模型蒸馏实战】1.DeepSeek R1模型蒸馏实战 514.sz
  • 【DS-R1 模型蒸馏实战】2.DeepSeek R1开源情况介绍 187.sz
  • 【DS-R1 模型蒸馏实战】3.推理大模型主流训练思路介绍 290.sz
  • 【DS-R1 模型蒸馏实战】4.模型蒸馏概念入门与DeepSeek R1模型蒸馏思路 185.sz
  • 【DS-R1 模型蒸馏实战】5.DeepSeek R1模型蒸馏基本环境搭建 429.sz
  • 【DS-R1 模型蒸馏实战】6.模型蒸馏数据集准备与数据清洗 992.sz
  • 【DS-R1 模型蒸馏实战】7.DeepSeek R1模型蒸馏实战及蒸馏前后模型性能对比 342.sz
  • 【DS-R1论文精度与复现】1.DeepSeek R1论文精读与复现 405.sz
  • 【DS-R1论文精度与复现】10.R1模型训练复盘与未来展望 806.sz
  • 【DS-R1论文精度与复现】11.R1论文完整内容梳理 148.sz
  • 【DS-R1论文精度与复现】12.热门GRPO训练工具介绍 233.sz
  • 【DS-R1论文精度与复现】13.GRPO强化学习训练软硬件环境准备 404.sz
  • 【DS-R1论文精度与复现】14.GRPO强化学习奖励函数组编写 919.sz
  • 【DS-R1论文精度与复现】15.DeepSeek R1 GRPO强化学习训练流程 394.sz
  • 【DS-R1论文精度与复现】2.DeepSeek R1模型综述与全球复现项目介绍 178.sz
  • 【DS-R1论文精度与复现】3.DeepSeek R1论文核心内容与基本结构介绍 687.sz
  • 【DS-R1论文精度与复现】4.论文摘要与实验贡献部分解读 504.sz
  • 【DS-R1论文精度与复现】5.论文R1 Zero模型训练过程解读 249.sz
  • 【DS-R1论文精度与复现】6.GRPO强化学习算法原理介绍 833.sz
  • 【DS-R1论文精度与复现】7.论文R1模型训练流程详解(上) 147.sz
  • 【DS-R1论文精度与复现】8.论文R1训练流程解读(下) 402.sz
  • 【DS-R1论文精度与复现】9.论文模型蒸馏流程详解 491.sz
【part 14】大模型微调技术实战(DS强化)11 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 大模型微调流程与选择概念讲解 .sz
  • 1.2 微调方式便利与课程安排 .sz
  • 1.3 主流大模型微调框架 .sz
  • 1.4 平台租赁与硬件选取参考 .sz
  • 2.1 Lora微调产生的背景 .sz
  • 2.2 Lora微调原理讲解 .sz
  • 2.3 lora原理代码实现 .sz
  • 3.1 QLoRA技术背景及与LoRA对比详解 .sz
  • 3.2 学习QLoRA的前置概念了解 .sz
  • 3.3 QLoRA微调理论详解 .sz
【part 15】AI Agent 基础与ReAct实战11 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 大模型应用发展与Agent前沿技术趋势 .sz
  • 1.2 大模型应用的本地知识库问答核心技术-RAG .sz
  • 1.3 AI Agent爆发的根本原因 .sz
  • 1.4 AI Agent 经典核心架构与 AgentExcuter .sz
  • 2.1 AI Agent与LLMs + RAG的本质区别 .sz
  • 2.2 AI Agent三种应用类型及Python实现可交互的聊天机器人 .sz
  • 2.3 Funcation Calling 完整生命周期细节复现 .sz
  • 2.4 实现具备Funcation Calling的智能电商客服 .sz
  • 2.5 Function Calling并行调用和多函数调用的应用方法 .sz
  • 2.6 加餐:OpenAI最新推出的结构化输出功能介绍 .sz
【part 16】AI Agent开发技巧与实战应用6 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 Funcation Calling 与 AI Agent的本质区别 .sz
  • 1.2 提示工程到代理工程的平滑过度 .sz
  • 1.3 ReAct Agent框架的基础理论 .sz
  • 1.4 案例:从零复现ReAct Agent的完整流程 .sz
  • 1.5 项目:基于ReAct Agent构建电商智能客服 .sz
【part 17】最强Agent框架AssistantAPI3 集
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 Assistant API 框架的整体介绍 .sz
  • 1.2 Assistant对象的创建方法 .sz
  • 1.3 Thread、Messges及Run应用方法 .sz
  • 1.4 Run运行时的状态转移机制 .sz
  • 1.5 实现Run状态的轮询方法,并实现Assistant API完整链路 .sz
  • 2.1 Assistant API 进阶应用方法介绍 .sz
  • 2.2 File Search内置工具说明及文件管理 .sz
  • 2.3 基于 Assistant API 创建在线私有知识库 .sz
  • 2.4 在Assistant和Thread定义File Search工具的四种策略 .sz
  • 2.5 如何处理Assistant API输出响应中的注释 .sz
  • 2.6 Code Interpreter(代码解释器)的应用技巧 .sz
  • 2.7 基于Funcation Calling实现本地代码解释器 .sz
  • 3.1 为什么企业级应用必须接入流式输出 .sz
  • 3.2 Assistant API中流式输出的开启方法 .sz
  • 3.3 Assistant API 流式传输中的事件流原理细节 .sz
  • 3.4 如何在 Assistant API 流式传输中接入外部函数 .mp4
  • 3.5 应用案例(1):异步构建Assistant对象的工程化代码 .mp4
  • 3.6 应用案例(2):集成外部函数方法及项目完整功能介绍 .mp4
【part 18】自主Agent开发框架Langraph11 集
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 LangChain的AI Agent开发框架架构设计 .mp4
  • 1.2 LangGraph 的底层构建原理 .mp4
  • 1.3 Langgraph底层源码解析 .mp4
  • 1.4 LangGraph中如何接入大模型做问答流程 .mp4
  • 2.1 LangGraph中State的定义模式 .sz
  • 2.2 使用字典类型定义状态的方法与优劣势 .sz
  • 2.3 LangGraph状态管理中Reducer函数的使用 .sz
  • 2.4 MessageGraph源码功能解析 .sz
  • 2.5 LangSmith基本原理与使用入门 .sz
  • 3.1 LangGraph代理架构及Router Agent介绍 .sz
  • 3.2 LangGraph中可应用的三种结构化输出方法 .sz
  • 3.3 结合结构化输出构建Router Agent(数据库) .sz
  • 3.4 Tool Calling Agent 中ToolNode的使用 .sz
  • 3.5 Tool Calling Agent的完整实现案例:实时搜索与数据库集成 .sz
  • 4.1 LangGraph中ReAct的构建原理 .sz
  • 4.2 案例实操:构建复杂工具应用的ReAct自治代理 .sz
  • 4.3 LangGraph中如何使用流式输出 .sz
  • 4.4 LangGraph中的事件流 .sz
  • 5.1 Agent长短期记忆认知 .sz
  • 5.2 LangGraph的短期记忆及Checkpointer(检查点) .sz
  • 5.3 检查点的特定实现类型-MemorySaver .sz
  • 5.4 检查点的特定实现类型-SqliteSaver .sz
  • 5.5 长期记忆和Store(仓库) .sz
  • 6.1 LangGraph知识点概述总结 .mp4
  • 6.2 LangGraph中的HIL实现思路 .mp4
  • 6.3 标准图结构中如何添加断点 .sz
  • 6.4 复杂代理架构中如何添加动态断点 .sz
  • 6.5 案例:具备人机交互的完整Agent信息管理系统 .sz
  • 7.1 Supervisor 架构介绍与基本构建原理 .mp4
  • 7.2 案例:基于 Supervisor 架构实现多代理系统 .mp4
  • 7.3 GraphRAG 基本介绍与核心架构 .mp4
  • 7.4 案例:Multi-Agent实现混合多知识库检索 .mp4
  • 8.2 Multi-Agent 架构分类及子图的通信模式 .sz
  • 8.3 父、子图状态中无共同键的通信方式 .mp4
  • 8.4 案例:基于网络架构实现智能BI数据分析多代理系统(上) .sz
  • 8.5 案例:基于网络架构实现智能BI数据分析多代理系统(下) .sz
【part 19】热门Agent工具与开源项目应用31 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 【1. 自动化工作流-AutoGen】1.1 AutoGen 开发框架整体介绍 .sz
  • 【1. 自动化工作流-AutoGen】1.2 配置AutoGen开发环境 .sz
  • 【1. 自动化工作流-AutoGen】1.3 ConversableAgent源码解析 .sz
  • 【1. 自动化工作流-AutoGen】1.4 AutoGen 如何接入在线大模型 .sz
  • 【1. 自动化工作流-AutoGen】1.5 AutoGen 如何接入开源大模型 .sz
  • 【1. 自动化工作流-AutoGen】1.6 模型配置过滤器的使用方法 .sz
  • 【1. 自动化工作流-AutoGen】1.7 AutoGen 代码解释器的原理与接入方法 .sz
  • 【1. 自动化工作流-AutoGen】1.8 基于AutoGen构建自动Debug数分器 .sz
  • 【2. 工作流编排-Dify】1.1 低代码平台介绍 .sz
  • 【2. 工作流编排-Dify】1.2 Dify介绍与安装 .sz
  • 【2. 工作流编排-Dify】1.3 xinference介绍与安装 .sz
  • 【2. 工作流编排-Dify】1.4 dify&xinference打通融合 .sz
  • 【2. 工作流编排-Dify】2.1 服务器源码部署dify&RAG_基础环境准备 .sz
  • 【2. 工作流编排-Dify】2.2 源码安装dify .sz
  • 【2. 工作流编排-Dify】2.3 xinference细化安装 .sz
  • 【2. 工作流编排-Dify】2.4 构建知识库 .sz
  • 【2. 工作流编排-Dify】2.5 构建简单RAG .sz
  • 【2. 工作流编排-Dify】3.1 window环境下ollama+ds+dify .sz
  • 【2. 工作流编排-Dify】3.2 xinference+ds+dify全链路 .sz
  • 【2. 工作流编排-Dify】3.3 window环境全链路实战+API检验 .sz
  • 【2. 工作流编排-Dify】4.1 dify基础+常用节点概念讲解 .sz
  • 【2. 工作流编排-Dify】4.2 difyAgent构建讲解与实战 .sz
  • 【2. 工作流编排-Dify】4.3 对话流讲解与实战 .sz
  • 【2. 工作流编排-Dify】4.4 Dify与微信对接讲解与实操 .sz
  • 【2. 工作流编排-Dify】5.1 Dify+讯飞语音对话讲解与实战 .sz
  • 【2. 工作流编排-Dify】5.2 本地定时触发Dify讲解与实战 .sz
  • 【2. 工作流编排-Dify】5.3 Dify变量技巧+长文本生成+并行md格式输出 .sz
  • 【2. 工作流编排-Dify】6.1 dify企业人工微信客服转发必备条件 .sz
  • 【2. 工作流编排-Dify】6.2 Dify个人微信对接企微人工客服转发 .sz
  • 【2. 工作流编排-Dify】6.3 dify企微人工客服转接 .sz
【part 1】开源大模型部署软硬件环境准备14 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 电脑硬件选配指南 .sz
  • 1.2 GPU选择指南 .sz
  • 1.大模型GPU选配方法基本说明 .sz
  • 2.1 免费在线GPU算力租赁指南 .sz
  • 2.2 付费在线GPU算力租赁指南 .sz
  • 2.主流GPU分类及对应使用场景介绍 .sz
  • 3.1 Win&Ubuntu双系统安装方法 .sz
  • 3.2 Ubuntu系统初始化配置方法 .sz
  • 3.主流GPU性能及性价比天梯图 .sz
  • 4.各类大模型显存占用及运行推荐配置 .sz
  • 5.个人或公司推荐大模型运行配置 .sz
  • 6.GPU基础理论补充及性能核心指标介绍 .sz
  • 7.AutoDL租赁与使用方法 .sz
【part 20】RAG技术快速入门3 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1. Naive RAG介绍及借助LangChain实现RAG流 .sz
  • 2. RAG集成历史对话信息及SqlalChemy持久化存储的使 .sz
【part 21】RAG基础 & 向量数据库应用19 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 本地知识库搭建方案综述 .sz
  • 1.2 Embedding基本概念入门介绍 .sz
  • 1.3 One-hot、Word2Vec与动态Embedding模型入门介绍 .sz
  • 1.4 OpenAI Embedding模型API调用方法 .sz
  • 2.1 Embedding语意分类与意图识别基础入门 .sz
  • 2.2 基于Embedding的语意识别实战 .sz
  • 3.1【意图识别实战】数据集介绍与Embedding处理过程 .sz
  • 3.2【意图识别实战】基于Function calling的零样本意图识别 .sz
  • 3.3 【意图识别实战】基于Embedding+机器学习的有监督意图识别过程 .sz
  • 3.4【意图识别实战】高性能大模型零样本意图识别过程 .sz
  • 3.5【意图识别实战】有监督学习下的Function calling识别过程 .sz
  • 3.6【意图识别实战】基于模型融合的意图识别过程 .sz
  • 3.7 大模型意图识别全方法总结 .sz
  • 4.1 Embedding 模型与向量数据库在RAG中的应用说明 .sz
  • 4.2 Text Embedding Models的接入和使用方法 .sz
  • 4.3 开源Embedding Models的调用实战 .sz
  • 4.4 向量数据库基本原理介绍 .sz
  • 4.5 Chroma的使用方法介绍 .sz
【part 22】企业级RAG技术优化 & 评估12 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 企业级RAG的构建架构和思路 .sz
  • 1.2 结合Faiss向量数据的RAG Indexing构建流程 .sz
  • 1.3 百万量级的wiki公有语料构建方法实践 .sz
  • 1.4 yolox + orc 识别私有PDF语料的方案实践 .sz
  • 1.5 RAG评估框架-TruLens实践 .sz
  • 1.6 RAG评估框架-Ragas的使用及借助GLM4生成评估数据 .sz
  • 2.1 自定义RAG评估Pipeline-构建统一的数据集格式 .sz
  • 2.2 自定义RAG评估Pipeline-构建统一的提示模板 .sz
  • 2.3 自定义RAG评估Pipeline-整体逻辑实现及细节说明 .sz
  • 2.4 自定义RAG评估Pipeline-评估指标及评估流程实现 .sz
  • 2.5 自定义RAG评估Pipeline-ReRanker原理及实 .sz
【part 23】GraphRAG深度实战37 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 1.1 GraphRAG 基础入门与主流框架介绍 .sz
  • 1.2 GraphRAG 本地安装与配置文件说明 .sz
  • 1.3 GraphRAG CLI 索引构建方法与流程 .sz
  • 1.4 GrapRAG 源码安装及索引构建流程 .sz
  • 1.5 直播答疑环节 .sz
  • 2.1 索引构建源码解读:文档加载器及切分策略 .sz
  • 2.2 索引构建源码解读:实体关系抽取与Pormpt设计 .sz
  • 2.3 索引构建源码:社区检索算法与社区报告生成 .sz
  • 2.4 直播答疑环节 .sz
  • 3.1 图数据库Neo4j 源码安装及Python连接 .sz
  • 3.2 知识图谱基础概念与实战 .sz
  • 3.3 GraphRAG 自定义导入 Neo4j .sz
  • 3.4 直播答疑环节 .sz
  • 4.1 Microsoft GraphRAG 检索流程介绍 .sz
  • 4.2 检索流程源码讲解:本地搜索 .sz
  • 4.3 检索流程源码讲解:全局搜索 .sz
  • 4.3 检索流程源码讲解:全局搜索_1742257319385 .sz
  • 4.4 直播答疑环节 .sz
  • 5.1 智能客服数据集准备与预处理 .sz
  • 5.2 .csv 格式索引流程源码解读 .sz
  • 5.3 数据库.csv 文件切分优化策略 .sz
  • 5.4 Auto Prompt Tuning 自适应垂类领域提示优化 .sz
  • 5.5 结构化数据存储Neo4j流程规范 .sz
  • 5.6 直播答疑环节 .sz
  • 6.1 PDFDocx图片格式文件难点与解析方法概览 .sz
  • 6.2 MinerU 项目说明与本地部署 .sz
  • 6.3 MinerU解析文件类型详解 .sz
  • 6.4 手动构建PDF文档加载器思路与源码 .sz
  • 6.5 动态结构感知分块策略源码接入及思路 .sz
  • 6.6 直播答疑环节 .sz
  • 7.1 GraphRAG API 接口源码概览 .sz
  • 7.2 Prompt动态编排服务接口设计 .sz
  • 7.3 索引构建的Python SDK的自动化构建管道实现 .sz
  • 7.4 跨文档类型合并知识图谱解决方案-增量更新 .sz
  • 7.5 检索服务的工程化接口封装 .sz
  • 7.6 直播答疑环节 .sz
【part 24】DeepSeek 轻量级本地部署方案15 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 【DS-R1 本地部署】1.DeepSeek R1本地部署指南 .sz
  • 【DS-R1 本地部署】2.DeepSeek R1模型组基本情况介绍 .sz
  • 【DS-R1 本地部署】3.DeepSeek R1开源情况介绍 .sz
  • 【DS-R1 本地部署】4.DeepSeek R1本地部署与调用流程 .sz
  • 【DS-R1 本地部署】5.DS-R1+OllamavLLMSGLangLMD .sz
  • 【DS-R1 本地部署】6.DeepSeek R1 Distill模型运行环境搭建 .sz
  • 【DS-R1 本地部署】7.借助transformer库调用DS-R1 Distill模型 .sz
  • 【DS-R1 本地部署】8.借助ollama调用DeepSeek R1 Distill模型 .sz
  • 【DS-v3本地部署】1.DeepSeek v3开源情况介绍 .sz
  • 【DS-v3本地部署】2.DeepSeek v3本地部署与transformer库调用流程 .sz
  • 【DS-v3本地部署】3.DSv3+SGLang、LMDeploy和vLLM部署与调用流程 .sz
  • 【DS-v3本地部署】4.DeepSeek v3模型基本情况介绍 .sz
  • 【DS-v3本地部署】5.DeepSeek v3模型GitHub开源情况详解 .sz
  • 【DS-v3本地部署】6.DeepSeek v3技术报告快速解读 .sz
【part 25】DeepSeek 企业级分布式部署方案2 条
  • 赋范 AI-2026年大模型 Agent智能体开发实战 【夏季班】等
  • 【DS-R1 企业级部署】1.DS-R1+Open-WebUI企业级部署功能说明 .sz
【DS-R1 企业级部署】2.ollama离线安装与模型默认目录更换方法 .sz5 条
  • 【DS-R1 企业级部署】3.DeepSeek R1与Embedding模型部署流程 .sz
  • 【DS-R1 企业级部署】4.DeepSeek R1联网、代码解释器功能实现流程 .sz
  • 【DS-R1 企业级部署】5.DeepSeek R1本地知识库问答 .sz
  • 【DS-R1 企业级部署】6.DeepSeek R1外部工具调用与查询查询实时天气 .sz
  • 【DS-R1 企业级部署】7.DeepSeek R1连接MySQL进行数据对话 .sz
资料代码1 条
  • 【加餐】LangChain 1.0 实现 Claude Skills 动态工具过滤.zip

适合人群

  • AI开发者
  • 数据科学家
  • 机器学习工程师

🎯 学习收获

  • 掌握大模型Agent开发技术
  • 提升AI项目实战能力
  • 成为AI领域专家

🎉 祝您学习愉快!