云栈社区»论坛 › 智能 & 数据 & 云「 AI 」 › 人工智能 › 大模型与Agent开发全栈实战指南从微调到多模态，掌握AI开发核心 ...

发回帖发新帖

0 收听	0 听众	6 主题

大模型与Agent开发全栈实战指南从微调到多模态，掌握AI开发核心技术栈

发表于 2025-9-21 23:44:58 | 查看: 38| 回复: 0

## 📘 **课程简介**

本课程系统讲解大模型与智能体开发的全栈技术，涵盖模型微调（LoRA、QLoRA、PPO、DPO、RLHF）、多模态模型部署（GLM4、Qwen2.5、Llama3系列）、Agent框架实战（LangGraph、AutoGen、ReAct）以及主流API集成（OpenAI、GLM、Claude、Gemini）。通过大量实战项目，学员将掌握从环境配置、模型训练到生产部署的完整流程，具备独立开发企业级AI应用的能力。课程包含丰富的代码示例、项目案例和最佳实践，适合希望深入AI工程化开发的技术人员和研究者。

---

游客，如果您要查看本帖隐藏内容请回复

## 📂 **课程目录**

## 大模型与Agent开发实战【新课】

### PART4：DeepSeekV3 (5小节)

- 🎬 【DeepSeekv3】1 整体架构与分布式基础概念.mp4
- 🎬 【DeepSeekv3】2 分布式嵌入层与投影层.mp4
- 🎬 【DeepSeekv3】3 MLA潜在注意力 (1) 从自回归掩码看KV缓存机制.mp4
- 🎬 【DeepSeekv3】4 MLA潜在注意力 (2) 针对KV缓存的改进.mp4
- 🎬 【DeepSeekv3】5 DeepSeekMOE的MOE架构与创新.mp4

### 一，在线大模型部署调用

- 📁 DSPy优化器优化LLM程序-.ts
- 📁 DSPy：斯坦福20k+星标项目 - 革命性的LLM优化框架，从评估到自动优化你的LLM系统（如RAG系统）-.ts
- 📁 GLM 4 工具调用从入门到精通与CogVideoX 文本生成视频 API 全流程-.ts
- 📁 GLM Assistant API集成与FastAPI服务复刻实战指南-.ts
- 📁 GLM模型：流式处理的工具调用、多模态应用及模型微调实战指南-.ts
- 🎬 【Claude】01_了解Claude的所有特质-.MP4
- 📁 【Claude】02_Claude的注册流程-.ts
- 📁 【Claude】03_API_KEY领取及调用-.ts
- 📁 【Claude】04_API必须参数揭秘,多轮对话机器人速成指南_x264-.ts
- 📁 【Claude】05_API多模态的最佳实践-.ts
- 📁 【Claude】07_tool use全流程讲解与wiki搜索实战-.ts
- 📁 【Claude】08_tool_choice与定制Json输出及tool_use大实战-.ts
- 📁 【Claude】09_揭秘prompt Cache提示缓存：节省成本加快响应的绝技-.ts
- 📁 【Claude】10_stream函数及生成器本质讲解-.ts
- 📁 【Claude】11_stream流式概念与使用方法讲解-.ts
- 📁 【Claude】12_异步的使用原因与基本语法-.ts
- 📁 【Claude】13_异步的API调用的讲解与实践-.ts
- 📁 【Gemini】01_Gemini注册指南-最新模型免费API调用-.ts
- 📁 【Gemini】02_生态体验攻略与微调实战-.ts
- 📁 【Gemini】03_解锁 Gemini API-开启文本生成之旅-.ts
- 📁 【Gemini】04_掌握原生generate_content函数多轮对话技巧-.ts
- 📁 【Gemini】05_API内置简化多轮对话的start_chat函数与ChatSessi-.ts
- 📁 【Gemini】06_API精细化控制生成之System Instruction-.ts
- 📁 【Gemini】07_API精细化控制生成之generation_config与max_t-.ts
- 📁 【Gemini】08_API精细化控制生成之Temperature与Stop Sequen-.ts
- 📁 【Gemini】10_API精细化控制生成结构化与Json参数-.ts
- 📁 【GLMAssistantAPI】01_调用assistantAPI流程与效果-.ts
- 📁 【GLMAssistantAPI】02_多个assistant演示解析使用-.ts
- 📁 【GLMAssistantAPI】03_将智能体集成Agent类使用-.ts
- 📁 【GLMAssistantAPI】04_构建fastapi的Web项目-.ts
- 📁 【GLMAssistantAPI】05_复刻AssistantAPI-.ts
- 📁 【GLM】01_GLM大模型API调用介绍与领取APIKEY-.ts
- 📁 【GLM】02_GLM模型API初次调用与响应解析-.ts
- 📁 【GLM】03_大模型API调用的消息和构建多轮对话机器人-.ts
- 📁 【GLM】04_十分钟速通GLM的可选参数-.ts
- 📁 【GLM】05_GLM的stream流式响应讲解-.ts
- 📁 【GLM】06_tooluse上-一次api调用的tooluse-.ts
- 📁 【GLM】07_tooluse下-两次api调用的tooluse-.ts
- 📁 【GLM】08_tooluse接入维基百科搜索实战-.ts
- 📁 【GLM】09_CogVideoX视频生成大模型-.ts
- 📁 【GPT4o】01_4o文本生成API基本讲解与调用-.ts
- 📁 【GPT4o】02_2个核心必需参数详解与对话消息本质剖析-.ts
- 📁 【GPT4o】03_多轮对话历史及面向对象多轮对话机器人实战-.ts
- 📁 【GPT4o】04_精细控制生成可选参数系列讲解-.ts
- 📁 【GPT4o】05_4o多模态图片的文本生成API调用详解-.ts
- 📁 【GPT4o】06_3步的 tool use基础讲解与【实战】社交媒体情绪数据分析-.ts
- 📁 【GPT4o】07_5步的 tool use完整的调用流程与汇总-.ts
- 📁 【GPT4o】08_tool use 维基百科实时写作助手【实战】-.ts
- 📁 【GPT4o】09_并行的函数调用与实时股票价格、历史走势绘图与分析【实战】-.ts
- 📁 【GPT4o】10_输出生成结构化的3种方式（JSON结构化）-.ts
- 📁 【GPT4o】11_首token时延与提示缓存原理与最佳实践-.ts
- 📁 【GPT4o】12_Streaming流式响应详解-.ts
- 📁 【GPT4o】13_函数调用中的Streaming流式响应-.ts
- 📁 【GPT4o】14_风格微调（上）创建数据集与微调作业-.ts
- 📁 【GPT4o】15_风格微调（下）微调作业运行与应用评估-.ts
- 📁 【GPTo1】01_o1大模型原理介绍从4o到o1实际上发生了什么-.ts
- 📁 【GPTo1】02_o1模型的API调用详解与总结-.ts
- 📁 【GPTo1】03_通过COT制作4o-mini版本的o1模型【实战】-.ts
- 📁 【GPTo1】04_2种加载模型o1没有的Json结构功能与【实战】-.ts
- 📁 【GPTo1】05_用o1蒸馏模型实战（上）-.ts
- 📁 【GPTo1】06_用o1蒸馏模型实战（下）-.ts
- 📁 【GPT】01_OPENAI的账号注册速通-.ts
- 📁 【GPT】02_OPEN AI官网及开发者平台使用指南-.ts
- 📁 【GPT】03_虚拟信用卡开通与升级GPT_Plus会员-.ts
- 📁 【GPT】04_API账户充值及领取API_KEY及首次调用API-.ts
- 📁 提示工程全解指南-.ts

### 三，大模型微调实战

- 📁 Ch 1.1 通用模型发展与微调前景-.ts
- 📁 Ch 1.2 微调与其他技术的区别和关联-.ts
- 📁 Ch 1.3 微调步骤及技术栈-.ts
- 📁 Ch 1.4 高效微调及范围-.ts
- 📁 Ch 1.5 强化学习RHLF介绍-.ts
- 📁 Ch 1.6 主流微调框架-.ts
- 📁 Ch 2.1 Lora原理详解-.ts
- 📁 Ch 2.2 LLama_factory 介绍-.ts
- 📁 Ch 2.3 LLama_factory 安装部署及验证-.ts
- 📁 Ch 2.4 实战Qwen2.5微调-.ts
- 📁 Ch 2.5 配置TensorBoard-.ts
- 📁 Ch 3.1 如何获取数据源及使用解析-.ts
- 📁 Ch 3.2 llamafactory中如何使用和注册数据集-.ts
- 📁 Ch 3.3 模型微调及参数详解-.ts
- 📁 Ch 3.4 数据验证&deepspeed微调-.ts
- 📁 Ch 4.1 win&Qlora&qwen2.5_Qlora能节约多少内存-.ts
- 📁 Ch 4.2 Qlora核心概念-.ts
- 📁 Ch 4.3如何在windows配置环境-.ts
- 📁 Ch 4.4 Qlor微调实战与验证-.ts
- 📁 Ch 5.1PPO&llama3.2_什么是PPO算法-.ts
- 📁 Ch 5.2 如何理解PPO-.ts
- 📁 Ch 5.3 各个模型PPO算法的协作关系-.ts
- 📁 Ch 5.4 PPO模型与数据的选择-.ts
- 📁 Ch 5.5 PPO微调实操-.ts
- 📁 Ch 6.1 RLHF&Qwen2.5,RLHF背景与意义-.ts
- 📁 Ch 6.2 RLHF流程拆解与核心-.ts
- 📁 Ch 6.3 奖励模型原理-.ts
- 📁 Ch 6.4 奖励模型训练流程-.ts
- 📁 Ch 6.5 RLHF全流程微调-.ts
- 📁 Ch 6.6 RLHF挑战与改进方向-.ts
- 📁 DPO微调Qwen2.5-.ts
- 📁 LLama_factory&Lora微调Qwen2.5做NL2sql-.ts
- 📁 LLama_Factory+LORA大模型微调-.ts
- 📁 PPO微调Llama-3.2-.ts
- 📁 window系统微调QLORA-.ts

### 二，开源大模型部署调用

- 📁 Cursor&Coder高效低代码开发办法-.ts
- 📁 Glm-Edge-v-5B模型介绍与本地部署-.ts
- 📁 Marco-o1模型介绍与本地部署-.ts
- 📁 Ollama最新版本保姆级指南-.ts
- 📁 Ollama最新版本启动多模态模型Llama3.2Vision全流程[Linux环境]-.ts
- 📁 Qwen2-5Coder本地部署使用全流程-.ts
- 📁 Qwen2-5Coder：32B基本介绍和测试-.ts
- 📁 Qwen2VL多模态模型参数介绍&部署使用全流程-.ts
- 🎬 【ChatGLM3-6B】01_Ubuntu双系统安装-.MP4
- 🎬 【ChatGLM3-6B】02_Ubuntu环境下ChatGLM3-6b命令行安装办法-.MP4
- 📁 【ChatGLM3-6B】03_服务器环境下部署ChatGLM3-6b-.ts
- 📁 【ChatGLM3-6B】04_ChatGLM3-6b的多种启动方法-.ts
- 📁 【ChatGLM3-6B】05_AutoDL快速部署ChatGLM3-6b办法-.ts
- 📁 【ChatGLM3-6B】06_Git方法简洁下载ChatGLM3-6b-.ts
- 📁 【ChatGLM3-6B】07_以ChatGLM3-6b为例的大模型更新办法-.ts
- 📁 【ChatGLM3-6B】08_单机多卡启动大模型办法-.ts
- 📁 【ChatGLM3-6B】09_LoRA原理浅析-.ts
- 📁 【ChatGLM3-6B】10_LoRA微调实战训练-.ts
- 📁 【ChatGLM3-6B】11_DeepSpeed原理浅析-.ts
- 📁 【ChatGLM3-6B】12_PEFT高效微调原理浅析-.ts
- 📁 【ChatGLM3-6B】13_P-Tuning V2微调实战-.ts
- 📁 【ChatGLM3-6B】14_LangChian体系详解-.ts
- 📁 【ChatGLM3-6B】15_LangChain0.3安装部署与调用方法-.ts
- 📁 【Cursor】在Windows环境下调用QWQ线上API实现辅助编程方法-.ts
- 📁 【Cursor】调用QWQ实现辅助编程-调用本地模型全流程-.ts
- 📁 【GLM4-9B】01_模型基本介绍-.ts
- 📁 【GLM4-9B】02_安装部署流程展示-.ts
- 📁 【GLM4-9B】03_多种启动方式流程展示-.ts
- 📁 【GLM4-9B】04_vLLM介绍和部署应用-.ts
- 📁 【GLM4-9B】05_WSL部署流程-.ts
- 📁 【GLM4-Voice】01_模型基本介绍-.ts
- 📁 【GLM4-Voice】02_多模态与AGI技术展望-.ts
- 📁 【GLM4-Voice】03_本地化部署流程-.ts
- 📁 【GLM4-Voice】04_线上部署流程-.ts
- 📁 【GLM4-Voice】05_开源大模型比拼-排行榜介绍-.ts
- 📁 【Llama.cpp】以Qwen2.5为例实现量化模型启动与API调用-.ts
- 📁 【Llama.cpp】以Qwen2VL为例实现GGUF模型量化与调用办法-.ts
- 📁 【Llama3.1】01_Llama家族系列模型生态介绍-.ts
- 📁 【Llama3.1】02_线上体验办法-.ts
- 📁 【Llama3.1】03_技术论文解读-.ts
- 📁 【Llama3.1】04_官网以及Ollama部署流程-.ts
- 📁 【Llama3.1】05_ModelScope线上部署-.ts
- 📁 【Llama3.1】06_ModelScope本地部署-.ts
- 📁 【Llama3.1】07_LlamaFactory中文能力微调实例-.ts
- 📁 【Llama3.2】01_基本介绍与线上测试办法-.ts
- 📁 【Llama3.2】02_官网下载流程-.ts
- 📁 【Llama3.2】03_Ollama在Linux和Windows部署方法-.ts
- 📁 【Qwen2.5Coder&Math】01_Coder介绍-.ts
- 📁 【Qwen2.5Coder&Math】02_Math介绍-.ts
- 📁 【Qwen2.5Coder&Math】03_Coder技术文章分析-.ts
- 📁 【Qwen2.5Coder&Math】04_Math技术文章分析-.ts
- 📁 【Qwen2.5Coder&Math】05_Math线上体验-.ts
- 📁 【Qwen2.5Coder&Math】06_Coder本地部署推理流程-.ts
- 📁 【Qwen2.5Coder&Math】07_vLLM推理Coder流程-.ts
- 📁 【Qwen2.5Coder&Math】08_Ollama推理Coder流程-.ts
- 📁 【Qwen2.5Coder&Math】09_线上部署推理Coder流程-.ts
- 📁 【Qwen2.5Coder&Math】10_Math部署流程-.ts
- 📁 【Qwen2.5】01_基本介绍与线上体验办法-.ts
- 📁 【Qwen2.5】02_ModelScope本地化部署流程-.ts
- 📁 【Qwen2.5】03_ModelScope线上部署办法-.ts
- 📁 【Qwen2.5】04_Ollama框架部署流程-.ts
- 📁 【Qwen2.5】05_在Windows系统中使用Ollama框架部署流程-.ts
- 📁 【Qwen2.5】06_vLLM部署与调用流程-.ts
- 📁 在Windows环境下使用Ollama启动多模态模型llama3.2Vision全流程-.ts

### 五，RAG项目实战企业篇

#### PART1

- 🎬 week_1_1_part_1_课程说明及大模型问答功能复现-.mp4
- 🎬 week_1_1_part_2_本地私有化部署glm4-9b-chat模型-.mp4
- 🎬 week_1_1_part_3_调用本地启动的glm4模型的方法-.mp4
- 🎬 week_1_2_part_1_GLM在线API调用方法-.mp4
- 🎬 week_1_2_part_2_Langchain应用框架整体介绍-.mp4
- 🎬 week_1_2_part_3_FastAPI项目介绍-.mp4
- 🎬 week_2_1_part_1_本周开发任务说明-.mp4
- 🎬 week_2_1_part_2_Naive RAG介绍及借助LangChain实现RAG流-.mp4
- 🎬 week_2_1_part_3_RAG集成历史对话信息及SqlalChemy持久化存储的使-.mp4
- 🎬 week_2_2_part_1_通用问答流程整体流程介绍及参数说明-.mp4
- 🎬 week_2_2_part_2_FastChat项目说明及Python多进程-.mp4
- 🎬 week_2_2_part_3_项目启动文件详细说明及流程复现-.mp4
- 🎬 week_3_1_part_1_企业级RAG的构建架构和思路-.mp4
- 🎬 week_3_1_part_2_结合Faiss向量数据的RAG Indexing构建流程-.mp4
- 🎬 week_3_1_part_3_百万量级的wiki公有语料构建方法实践-.mp4

#### PART2

- 🎬 week_3_1_part_4_yolox + orc 识别私有PDF语料的方案实践-.mp4
- 🎬 week_3_2_part_1_本地RAG知识库问答功能链路详解与复现-.mp4
- 🎬 week_3_2_part_2_RAG评估框架-TruLens实践-.mp4
- 🎬 week_3_2_part_3_RAG评估框架-Ragas的使用及借助GLM4生成评估数据-.mp4
- 🎬 week_4_1_part_1_自定义RAG评估Pipeline-构建统一的数据集格式-.mp4
- 🎬 week_4_1_part_2_自定义RAG评估Pipeline-构建统一的提示模板-.mp4
- 🎬 week_4_1_part_3_自定义RAG评估Pipeline-整体逻辑实现及细节说明-.mp4
- 🎬 week_4_1_part_4_自定义RAG评估Pipeline-评估指标及评估流程实现-.mp4
- 🎬 week_4_1_part_5_自定义RAG评估Pipeline-ReRanker原理及实-.mp4
- 🎬 week_4_2_part_1_Serper API联网检索数据预处理过程拆解-.mp4
- 🎬 week_4_2_part_2_基于Serper实现系统架构下的联网实时检索功能-.mp4
- 🎬 week_5_part_1_大模型融入推荐系统一种思路_1-.MP4
- 🎬 week_5_part_2_大模型用于特征工程及实现推荐系统的整体逻辑代码-.MP4
- 🎬 week_5_part_3_基于Langchain实现基于ReAct的代码实践及TOT提示-.MP4
- 📁 week_5_part_4_项目整体框架下实现基于Agent的问答流程代码实践-.ts
- 🎬 week_5_part_5_Docker介绍及借助Docker打包部署完整项目的流程-.mp4

### 六，直播回放篇

#### 加餐-前沿技术追更

- 📁 【加餐】01 Computer Use API 详解（1）准备工作-.ts
- 📁 【加餐】02 Computer Use API 详解（2）对话函数上-.ts
- 📁 【加餐】03 Computer Use API 详解（3）对话函数下-.ts
- 📁 【加餐】04 Computer Use API 详解（4）多轮对话及tool use-.ts
- 📁 【加餐】05 Computer Use API 详解（5）全组件总结-.ts
- 📁 【加餐】06 Computer use实战初窥-.ts
- 📁 【加餐】08 Computer Use项目启动&实战案例-.ts

#### 直播回放

- 📁 ChatGPT的注册与ChatGPT API充值-.ts
- 📁 GLM-4-Video-9b 介绍与部署流程-.ts
- 📁 GPT4o的API基本调用、精细生成控制与多模态实操-.ts
- 📁 GPT4o的函数调用实战与结构化生成回答与提示缓存原理-.ts
- 📁 LangGraph 中 Human-in-the-loop 应用实战-.ts
- 📁 LangGraph 实现自治循环代理（ReAct）及事件流的应用-.ts
- 📁 LangGraph 长短期记忆实现机制及检查点的使用-.ts
- 📁 LangGraph中State状态模式与LangSmith基础使用入门(1)-.ts
- 📁 LangGraph中State状态模式与LangSmith基础使用入门-.ts
- 📁 Llama 3.1&2部署微调-.ts
- 📁 Llama 3.1介绍与部署流程-.ts
- 📁 o1模型详解与模型蒸馏实战(1)-.ts
- 📁 o1模型详解与模型蒸馏实战-.ts
- 📁 OPENAI的Streaming流式响应与API微调双实战，Claude computer use接入自己的电脑-.ts
- 📁 Qwen2.5-Coder&Math介绍与部署-.ts
- 📁 Qwen2.5介绍与部署流程-.ts

### 四，大模型Agent开发实战

- 📁 Ch 1.1 大模型应用发展与Agent前沿技术趋势-.ts
- 📁 Ch 1.2 大模型应用的本地知识库问答核心技术-RAG-.ts
- 📁 Ch 1.3 AI Agent爆发的根本原因-.ts
- 📁 Ch 1.4 AI Agent 经典核心架构与 AgentExcuter-.ts
- 📁 Ch 10.1 LangGraph中ReAct的构建原理-.ts
- 📁 Ch 10.2 案例实操：构建复杂工具应用的ReAct自治代理-.ts
- 📁 Ch 10.3 LangGraph中如何使用流式输出-.ts
- 📁 Ch 10.4 LangGraph中的事件流-.ts
- 📁 Ch 11.1 Agent长短期记忆认知-.ts
- 📁 Ch 11.2 LangGraph的短期记忆及Checkpointer(检查点)-.ts
- 📁 Ch 11.3 检查点的特定实现类型-MemorySaver-.ts
- 📁 Ch 11.4 检查点的特定实现类型-SqliteSaver-.ts
- 📁 Ch 11.5 长期记忆和Store（仓库）-.ts
- 📁 Ch 12.1 LangGraph知识点概述总结-.ts
- 📁 Ch 12.2 LangGraph中的HIL实现思路-.ts
- 📁 Ch 12.3 标准图结构中如何添加断点-.ts
- 📁 Ch 12.4 复杂代理架构中如何添加动态断点-.ts
- 📁 Ch 12.5 案例：具备人机交互的完整Agent信息管理系统-.ts
- 📁 Ch 13.1 Single-Agent 存在的局限-.ts
- 📁 Ch 13.2 Multi-Agent 架构分类及子图的通信模式 - 副本-.ts
- 📁 Ch 13.3 父、子图状态中无共同键的通信方式-.ts
- 📁 Ch 13.4 案例：基于网络架构实现智能BI数据分析多代理系统（上）-.ts
- 📁 Ch 13.5 案例：基于网络架构实现智能BI数据分析多代理系统（下）-.ts
- 📁 Ch 14.1 Supervisor 架构介绍与基本构建原理-.ts
- 📁 Ch 14.2 案例：基于 Supervisor 架构实现多代理系统-.ts
- 📁 Ch 14.3 GraphRAG 基本介绍与核心架构-.ts
- 📁 Ch 14.4 案例：Multi-Agent实现混合多知识库检索-.ts
- 📁 Ch 2.1 AI Agent与LLMs + RAG的本质区别-.ts
- 📁 Ch 2.2 AI Agent三种应用类型及Python实现可交互的聊天机器人-.ts
- 📁 Ch 2.3 Funcation Calling 完整生命周期细节复现-.ts
- 📁 Ch 2.4 实现具备Funcation Calling的智能电商客服-.ts
- 📁 Ch 2.5 Function Calling并行调用和多函数调用的应用方法-.ts
- 📁 Ch 2.6 加餐：OpenAI最新推出的结构化输出功能介绍-.ts
- 📁 Ch 3.1 Funcation Calling 与 AI Agent的本质区别-.ts
- 📁 Ch 3.2 提示工程到代理工程的平滑过度-.ts
- 📁 Ch 3.3 ReAct Agent框架的基础理论-.ts
- 📁 Ch 3.4 案例：从零复现ReAct Agent的完整流程-.ts
- 📁 Ch 3.5 项目：基于ReAct Agent构建电商智能客服_batch-.ts
- 📁 Ch 4.1 Assistant API 框架的整体介绍-.ts
- 📁 Ch 4.2 Assistant对象的创建方法-.ts
- 📁 Ch 4.3 Thread、Messges及Run应用方法-.ts
- 📁 Ch 4.4 Run运行时的状态转移机制-.ts
- 📁 Ch 4.5 实现Run状态的轮询方法，并实现Assistant API完整链路-.ts
- 📁 Ch 5.1 Assistant API 进阶应用方法介绍-.ts
- 📁 Ch 5.2 File Search内置工具说明及文件管理-.ts
- 📁 Ch 5.3 基于 Assistant API 创建在线私有知识库-.ts
- 📁 Ch 5.4 在Assistant和Thread定义File Search工具的四种策略-.ts
- 📁 Ch 5.5 如何处理Assistant API输出响应中的注释-.ts
- 📁 Ch 5.6 Code Interpreter（代码解释器）的应用技巧-.ts
- 📁 Ch 5.7 基于Funcation Calling实现本地代码解释器-.ts
- 📁 Ch 6.1 为什么企业级应用必须接入流式输出-.ts
- 📁 Ch 6.2 Assistant API中流式输出的开启方法-.ts
- 📁 Ch 6.3 Assistant API 流式传输中的事件流原理细节-.ts
- 📁 Ch 6.4 如何在 Assistant API 流式传输中接入外部函数-.ts
- 📁 Ch 6.5 应用案例（1）：异步构建Assistant对象的工程化代码-.ts
- 📁 Ch 6.6 应用案例（2）：集成外部函数方法及项目完整功能介绍-.ts
- 📁 Ch 7.1 LangChain的AI Agent开发框架架构设计-.ts
- 📁 Ch 7.2 LangGraph 的底层构建原理-.ts
- 📁 Ch 7.4 LangGraph中如何接入大模型做问答流程-.ts
- 📁 Ch 8.1 LangGraph中State的定义模式-.ts
- 📁 Ch 8.2 使用字典类型定义状态的方法与优劣势-.ts
- 📁 Ch 8.3 LangGraph状态管理中Reducer函数的使用-.ts
- 📁 Ch 8.5 LangSmith基本原理与使用入门-.ts
- 📁 Ch 9.1 LangGraph代理架构及Router Agent介绍-.ts
- 📁 Ch 9.2 LangGraph中可应用的三种结构化输出方法-.ts
- 📁 Ch 9.3 结合结构化输出构建Router Agent（数据库）-.ts
- 📁 Ch 9.4 Tool Calling Agent 中ToolNode的使用-.ts
- 📁 Ch 9.5 Tool Calling Agent的完整实现案例：实时搜索与数据库集成-.ts
- 📁 LangGraph 多代理与 GraphRAG 综合应用实战(1)-.ts
- 📁 LangGraph 多代理与 GraphRAG 综合应用实战-.ts
- 📁 【MateGenPro】Ch 1. MateGen Pro 项目整体架构介绍-.ts
- 📁 【MateGenPro】Ch 2. 本地运行MateGen Pro项目流程-.ts
- 📁 【MateGenPro】Ch 3. MateGen Pro 后端API核心模块设计-.ts
- 📁 【MateGenPro】Ch 4. SQLAlchemy原理与项目接入-.ts
- 📁 【MateGenPro】Ch 5. MateGen 数据库初始化逻辑-.ts
- 📁 【MateGenPro】Ch 6 API_Key接口初始化与校验-.ts
- 📁 【MateGenPro】Ch 7 缓存池与系统初始化逻辑-.ts
- 📁 【MateGenPro】Ch 8 会话管理模块表结构设计与代码讲解-.ts
- 🎬 大模型应用发展及Agent前沿技术趋势-.MP4
- 📁 项目开发实战一：从零搭建多功能智能体 MateGen Pro（第二部分）-.ts

## 大模型与Agent开发实战课件

### Agent开发实战-课件

#### 03_ReAct Agent 基础理论与项目实战

- 📦 ReAct_AI_Agent-.zip

#### 06_OpenAI Assistant API 高阶应用 - 流式输出_20241010_175342

- 📦 AssistantStreaming-.zip

#### 14_LangGraph 多代理与 GraphRAG 综合应用实战

#### 15_MicroSoft AutoGen 开发框架基础入门

- 📦 autogen-.zip

#### 项目开发实战一：从零搭建多功能智能体 MateGen Pro（第一部分）

- 📦 mategen_pro-main-.zip

- 📦 05_OpenAI Assistant API 进阶应用-.zip

### 在线大模型部署与调用-课件

#### 【Claude 3.5 系列】

- 📦 【Claude3.5】part2-API从入门到精通-.zip

#### 【Dspy】

#### 【Gemini 系列】

#### 【GLM 系列】

#### 【OpenAI GPT 4o 系列】

- 📦 【GPT 4o】part2_文本生成API的多模态调用-.zip
- 📦 【GPT 4o】part7_微调实战初窥之写作风格-.zip
- 📦 【GPT 4o】part8_微调实战进阶之tool use微调-.zip

#### 【OpenAI GPT o1 系列】

- 📦 【GPT o1】part4_使用o1模型生成诺贝尔奖得主的JSON格式数据分析-.zip
- 📦 【GPT o1】part5_o1蒸馏4o-mini模型实战-.zip

#### 【OpenAI 账号注册与环境配置】

#### 【提示工程】

### 大模型微调-课件

- 📦 CH 1 论文-.zip

### 开源大模型部署与调用-课件

#### 01_ChatGLM3-6B

大模型, 微调, Agent开发, LLaMA, API

收藏0 回复显示全部楼层举报

返回列表

大模型与Agent开发全栈实战指南 从微调到多模态，掌握AI开发核心技术栈

大模型与Agent开发全栈实战指南从微调到多模态，掌握AI开发核心技术栈