首页

投稿

【全网炸裂的大模型教程】8天速成大模型全栈工程师，轻松搞定大模型原理、Prompt、langchain、RAG、agent、大模型微调等，从入门到精通一口气学完

9545

42

2025-11-30 09:25:00

未经作者授权，禁止转载

大模型开发

大模型_Jack 发消息

前阿里人工智能领域研发，工作的十余年，分享LLM认知、评估、落地应用 ?️偿分享AI大模型入门到进阶资料

01 什么是AI,AI的分类和大语言模型介绍

21:13

02 gpt的发展史,chatgtp如何训练,应用场景

30:23

03 应用场景分析数据集的字段,了解AI编程和AI发展现状

30:18

04 情感分析和天气分析Case

36:58

05 function call和实战处理mov

28:55

06 deepseek使用,deepseek模型介绍,蒸馏算法

33:26

07 deepseek与Cursor使用实现物理世界小球碰撞

29:10

08 使用Ollama部署私有大模型应用

15:53

09 prompt提示词,提示词策略,prompt编写技巧mov

34:58

10 学会与AIGC沟通

29:22

11 案例搭建智能投研项目

25:03

12 Cursor安装和编程

37:56

13 Cursor 可视化大屏搭建上

43:44

14 Cursor 可视化大屏搭建下

01:08:26

15 Embeddings介绍和特征工程

01:01:13

16 向量数据库

01:22:33

17 RAG核心原理和流程

01:16:22

18 RAG实战搭建智能检索系统

01:41:09

19 RAG技术树和高效召回

01:10:56

20 GraphRAG查询模式

01:41:58

21 Text2SQL：自助式数据报表开发（上）

01:20:00

22 Text2SQL：自助式数据报表开发（下）

01:33:47

23 LangChain基本概念，tools和Memory介绍

01:21:43

24 使用LangChain搭建智能客服，理解ReAct和Agent

01:25:00

25 Function Calling介绍与跨模型协作（上）

01:17:35

26 Function Calling介绍与跨模型协作（下）

01:41:13

27 AI Agent对比,智能体分类

01:16:45

28 Agent智能体系统的设计与应用

01:33:37

29 什么是MCP,MCP核心概念

01:11:02

30 MCP应用与实战

01:20:02

31 视觉大模型VLM的应用

01:10:47

32 视觉大模型与视觉智能体应用

01:33:45

33 fine-tuning技术如何微调

01:15:48

34 大模型优化实战

01:32:30

35 LangChain快速入门与底层原理

31:35

36 LangChain提示词工程应用实践

31:41

37 LangChain工作流编排

31:44

38 LangChain服务部署与链路监控

32:51

39 LangChain消息管理与聊天历史存储

33:31

40 LangChain多模态输入与自定义输出

31:40

41 LangChain自定义工具调用

30:26

42 LangChain开发Agent智能体

33:30

43 LangChain基于RAG实现文档问答

31:25

44 LangGraph快速入门与底层原理剖析

32:37

45 LangGraph快速构建Agent工作流应用

33:38

46 LangGraph基于RAG构建智能客服应用

31:02

47 如何基于Dify快速构建AI原生应用

32:42

48 HuggingFace 核心组件及应用实战

31:31

49 LLM大模型目前发展趋势

13:20

50 LLM大模型目前的主流技术架构

13:32

51 LLM大模型目前落地面临的问题

13:30

52 Embedding Models 向量模型

13:33

53 Vector stores 向量数据库

13:35

54 RAG系统的工作原理

13:35

55 RAG VS Fine-Tuning模型微调

09:37

56 大模型企业级业务场景落地方案实践

11:57

57 Sentence Transformer大模型详解

12:15

58 Sentence Transformer大模型详解

13:41

59 InternLM2 1.8B Qwen2.5 0.5B模型实战

11:59

60 知识库模型问答测试与实际效果评估

09:15

61 使用 Llamalndex 创建知识库实战

11:34

62 程序员大模型学习最佳实践

10:07

63 目前招聘岗位情况

18:08

64 需要掌握的技术栈

18:11

65 应用开发篇

18:09

66 模型训练与微调篇

18:09

67 模型部署篇

18:09

68 让 AI 懂我们的语言NLP vs. NLU vs. NLG

10:48

69 学习方法-机器学习 Machine Learning

09:29

70 学习方法-监督学习Supervised Learning

06:50

71 学习方法-监督学习应用 – 分类 Classification

03:05

72 学习方法-监督学习应用 – 回归 Regression

03:19

73 学习方法-无监督学习（Unsupervised Learning）

03:52

74 学习方法-无监督学习应用 – 聚类 Clustering

02:31

75 学习方法-监督学习应用 –关联规则 Association Rule

03:06

76 学习方法-强化学习（Reinforcement Learning）

05:47

77 机器学习效果评估

06:37

78 深度学习

08:12

79 神经网络

04:51

80 Transfomer

08:47

81 生成式AI-Generative AI

04:09

82 来自大语言模型的降维打击

09:50

83 Model Size

02:42

84 如何参与AI 革命

10:25

85 openAI服务模型

04:09

86 GPT 版本区别

05:59

87 OpenAI 模型定价

04:15

88 Tokens

04:09

89 如何获得OpenAI API Key？

05:42

90 Postman-API

10:31

91 OpenAI 开发体验

11:44

92 hatGPT 是如何训练出来的？

09:32

93 LLM 关键概念回顾

05:45

94 大模型分类

08:51

95 主流大模型

02:22

顶部