首页

投稿

【喂饭教程】手把手教你搭建一个纯本地+可联网+带本地知识库的私人DeepSeek！隐私安全+零门槛部署，全程干货，小白看完直呼太简单！建议码住！

29.8万

305

2025-11-25 15:52:12

未经作者授权，禁止转载

【喂饭教程】手把手教你搭建一个纯本地+可联网+带本地知识库的私人DeepSeek！隐私安全+零门槛部署，全程干货，小白看完直呼太简单！建议码住！AI大模型|LLM

大模型入门

AI智能体搭建- 发消息

不定期更新AI大模型教程，觉得对自己有帮助的话可以关注我~小窗扣“大模型”Get大模型相关籽料、免费答疑学习、技术问题。

01.手把手教你搭建一个纯本地+可联网+带本地知识库的私人DeepSeek！

17:56

02.私有化大模型底层技术

02:25

03.大模型微调训练全流程讲解

06:26

04.智能体Agent实战

12:34

05.大模型幻觉

07:38

06.Naive RAG增强检索实战

21:56

07.NaiveRAG增强检索存在的问题？

01:23

08.Advanced RAG

07:07

09.Modular RAG

00:46

10.什么场景用RAG，什么场景用微调？

05:08

11.微调与RAG的案例场景

13:48

12.IT行业转岗分析

07:43

13.Mopass魔泊云介绍

09:07

14.大模型课程大纲讲解

03:13

15.【大模型基础】什么是大模型？

11:02

16.大模型的工作流程

02:52

17. 大模型的训练与分类

04:26

18. AI大模型与提示词的应用

06:26

19. 通过提示词提升回答质量

17:06

20. 什么是推理模型

06:18

21. 借助大模型API自动化处理任务

09:15

22. 通过插件增强大模型能力

14:47

23.【提示词】什么是提示工程

04:52

24.Prompt的组成元素

07:21

25.OpenAI调用

05:39

26.少样本提示

05:17

27.思维链COT

07:50

28.Ltm提示方法

07:21

29.思维树TOT

10:59

30.思维树算24数代码落地

07:04

31.Prompt的攻击与防护

06:39

32.【RAG】什么是RAG？

04:50

33.RAG的原理

02:09

34.RAG应用案例：阿里云AI助理

02:45

35.动手实验1-创建RAG应用

05:06

36.动手实验2-连接钉钉机器人

12:48

37.提升索引准确率

07:40

38.让问题更好理解

05:58

39.改造信息抽取途径

03:47

40.【Agent】Agent概念、组成与决策

09:08

41.Agent决策应用场景分析

07:58

42.Agent规划子任务拆解_COT与TOT_

13:21

43.思维树24点拓展与react框架

16:42

44.Agent记忆(memory)

11:20

45.Agent工具使用介绍

03:26

46.Agent认知框架之Plan-and-Execute

11:55

47.self-Ask

08:51

48.Thinking and Self-Refection

07:58

49.ReAct框架案例实现

09:57

50.ReAct RAG Agent

11:20

51.Agent+RAG个性化定制数字人项目1

13:58

52.Agent+RAG个性化定制数字人项目2

09:25

53.【微调实战】StandfordAlpaca的介绍

17:41

54.selfinstruct的代码解读

15:38

55.AlpacaB的微调过程

11:14

56.selfinstruct代码的详细过程

10:59

57.StandfordAlpaca微调代码拆解：微调方式

07:57

58.StandfordAlpaca微调代码拆解：train

09:09

59.垂直领域微调的方式

05:00

60.Huggingface的Transformer库

09:32

61.AlpacaLoRA消费级显卡的Lora微调

09:54

62.DeepSpeedChat的LoRA源码解读

09:17

63.基于Huggingface的Peft框架的Lora微调方式

05:25

64.Alpaca所用的selfinstruct的影响力

06:33

65.AlpacaLoRA微调过程

18:32

66.LLaMA相比LLaMA的改进

07:31

67.LLaMA的分组查询注意力（GQA）

07:49

68.LLaMAChat中的RLHF：三阶段训练方式

11:51

69.ChatGLMB的数据处理及文件准备

19:10

70.ChatGLMB的部署及微调过程

16:31

71.微调方法—Freeze方法

04:45

72.微调方法—prefixtuning与prompttuning方

10:51

73.微调方法—PtuningV方法

08:07

74. 微调方法—P-tuning V2方法

06:04

75.微调方法—Lora方法

11:22

76.微调方法—QLora方法

13:49

77.LLM微调经验分享

03:39

78.评估基准CEVAL及ChatGLMB的改进

08:20

79.ChatGLMB的部署推理过程

08:40

80.基于PTuningV微调ChatGLMB

16:30

81.通义千问—QwenB模型的特点

09:17

82.QwenBChat模型的微调数据构成

04:27

83.QwenBChat模型的ReActProm

03:23

84.ReAct代码示例

18:01

顶部