===============课程介绍===============

本课程由龙哥亲授，覆盖AI大模型开发、训练及应用的完整流程，重点讲解RAG（检索增强生成）、Agent智能体设计以及LangchAIn和AutoGen等主流框架的项目实战。课程包括大模型微调、Embedding训练、Rerank技术、向量数据库应用等核心技术，同时结合企业级真实案例，帮助学员快速掌握AI项目落地能力。从基础理论、开发环境搭建，到模型训练、评估、部署及多Agent协作，本课程旨在打造AI实战能力，培养能够独立完成行业AI落地项目的高阶开发者。

===============课程目录===============

├─10_第二课：NAIveRAG与langchAIn实践 .mp4
├─11_第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE .mp4
├─12_第四课：高级RAG（二）提示词压缩，融合，llamAInde .mp4
├─13_第五课：模块化RAG（一）顺序模式，条件模式，分支模式 .mp4
├─14_第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc .mp4
├─15_第七课：Embedding原理：word2vec、CBOW .mp4
├─16_第八课：Embedding模型训练：llamAIndex微调 .mp4
├─17_第九课：Embedding模型评估：MRR评测，MTEB评测 .mp4
├─18_第十课：Rerank技术原理与实践（一）交叉编码与双编码 .mp4
├─19_第十一课：Rerank模型微调与实践（二）rankGPT .mp4
├─1_第一课：人工智能介绍：迭代路径，大模型进化树，技术分类 .mp4
├─20_第十二课：向量数据库简介与相似性测量：欧式距离，余弦相似度 .mp4
├─21_第十三课：相似性搜索算法：k-means，肘部法则 .mp4
├─22_第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH .mp4
├─23_第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量 .mp4
├─24_第十六课：向量数据库代码示例：chroma与qdrant代码 .mp4
├─25_第十七课：RAG评估：评估指标，RAGAs，TruLens .mp4
├─26_第十八课：RAG行业落地：实践心得，落地经验，业务场景 .mp4
├─27_第一课：Agent原理简介：planning、memory、 .mp4
├─28_第二课：提示词工程：软提示词，fewshot，COT TOT .mp4
├─29_第三课：Agent平台：国内外主流平台，Coze搭建智能客服 .mp4
├─2_第二课：柏拉图表征假说与scalinglaw：KM缩放定律 .mp4
├─30_第四课：Agent工具使用与functioncall：MR .mp4
├─31_第五课：Agent设计模式（一）：Fewshot，ReAct .mp4
├─32_第六课：Agent设计模式（二）：REWOO，LLMComp .mp4
├─33_第七课：Agent设计模式（三）：Reflexion，LAT .mp4
├─34_第八课：Agent框架：SingleAgent，Multi .mp4
├─35_第九课：LangchAIn项目原理与实战 .mp4
├─36_第十课：Langgraph项目原理与实战 .mp4
├─37_第十一课：Langgraph多Agent架构：协作多Age .mp4
├─38_第十二课：AutoGen项目原理与实战（一）：AutoGen .mp4
├─39_第十三课：AutoGen项目原理与实战（二）：代码执行，工具 .mp4
├─3_第三课：AI开发环境（python、conda、vscode .mp4
├─40_第十四课：CrewAI项目原理与实战：Crew Task A .mp4
├─4_第一课：大模型微调llama-factory环境准备 .mp4
├─5_第二课：微调数据集准备（SFT 继续预训练，偏好优化） .mp4
├─6_第三课：微调过程lora微调与Qlora微调 .mp4
├─7_第四课：模型评估（批量推理与自动评估benchmark） .mp4
├─8_第五课：模型部署（模型合并导出与量化，本地部署） .mp4
├─9_第一课：RAG技术原理与RAGFlow项目实操 .mp4
(1)\资料；目录中文件数:5个
├─AI认知课.PDF
├─embedding技术.PDF
├─llama-factory微调.PDF
├─rerank技术.PDF
├─企业RAG技术实战.PDF