RAG 流程详细剖析 大模型应用落地痛点剖析 RAG 关键问题剖析 RAG 架构演进之Naive RAG RAG 架构演进之Advanced RAG

课程介绍：介绍课程的目标、市场环境、就业前景 课程内容介绍 自然语言处理概念和过程 自然语言处理任务 词向量的嵌入

课程简介 AI Agent概念及与大模型关系 AI Agent构成 AI Agent是Prompt工程的进化 AI Agent产品及服务模式

01-graphrag原理源码解读-大纲介绍 02-graphra与传统rag的对比及graphrag的涉及到的概念介绍 03-graphrag构建索引的原理介绍 04-graphrag的查询流程原理介绍-无联系方式版本 05-graphrag完整体验

快速认识Langchain chain的基本结构_提示_模型_输出解析器 免费无限制百度文心一言Langchain接口应用 Langchain快速接入国内比肩GPT4大模型DeepseekV2和ChatGLM4 langchain接入国内最强大模型chatglm4

成为大模型“标配”的RAG被高估了吗？

AIGC、LLM和AGI是什么？ 机器人开发是如何从NLP过渡到LLM的？ 国内外大模型对比 chatgpt和搜索引擎有本质的区别 普通人如何通过AIGC创业？

向量数据库安装-第1部分 向量数据库安装-第2部分 向量数据库安装-第3部分 向量数据库服务的启动和关闭 向量数据库各组件的简介

课程简介 CrewAI示例介绍 CrewAI 工作原理 代码样例 构建项目环境

大模型之仿OpenAI通用API的OneAPI介绍 大模型之OneAPI安装 大模型之渠道管理和Ollama集成 大模型之One API的令牌 兑换 充值，用户等功能 大模型之智谱ChatGLM3的介绍和安装

Agent应用构建与落地

去哪儿旅行机票售前客服Agent&RAG实践

AI Agent第二次直播

01-竞品ppt自动生成的常用做法 02-大模型自动生成ppt要点梳理 03-运行环境和加载ppt介绍 04-ppt解析代码开发 05-ppt解析代码调试和解析结果分析

1-Agent要解决的问题分析 2-Agent需要具备的基本能力 3-与大模型的关系分析 4-多智能体定义分析 5-框架的作用和能解决的问题

大模型平权时代，一探Agent开发门

AI Agent，重塑内容赛道生产力

LLM-based Agent在B端商业化的技术探索与实践

AI Agent第一次

课程安排和大模型的技术体系 Ollama的官网介绍和如何搜索使用开源的大模型 私有化大模型安装的内存选择和对应的大模型参数关系 Linux、Window、Mac、Docker平台安装 Ollama在服务器上的详细安装和排查常见的问题

01-langchain各模块介绍 02-langchain-chatmodels模块介绍 03-langchain-promoptTemplate介绍 04-langchain-output_parser介绍 05-langchain基础对话流程总结及补充

AIGC实战派第十二期：大模型改造业务如同拆盲盒，怎么落地？

课程简介 大模型为什么要连接外部世界 大模型连接外部世界三种方式之一：GPTS 大模型连接外部世界三种方式之一：Assistant API 大模型连接外部世界三种方式之一：Function Calling

01-为什么要微调 02-adapter微调方法介绍 03-prompt-prefix-tuning 04-p-tuningv2 05-lora

AI Agent训练营开营

AIGC-概述 大模型到底哪里“大”？-海量参数 大模型到底哪里“大”？-海量数据 如何训练一个大模型？预训练、监督微调、人工反馈、强化学习 大模型:组成、特征与训练

亲身下场AI创业，聊一聊创始人的OKR

0.1 课程介绍 1.1 主页对话框 1.2 个人空间 1.3 Bot商店 1.4 插件商店

01-chatglm源码分析-大纲介绍 02-chatglm源码分析-GLM原理介绍 03-chatglm源码分析-为什么要学lora等微调方法 04-chatglm源码分析-模型的配置和py文件介绍 05-chatglm源码分析-tokenizer-sp

人工智能的发展阶段 什么是Agent（智能体） 0基础了解 - 搭建第一个智能体（语音汇报小秘书） 0基础了解 - 搭建第二个智能体（抖音热点短视频文案助理） 了解GPTs