课程目录：

├── AGI大模型全栈班-L1阶段
│ ├── 01-开班典礼-25.3.18
│ │ ├── 10期-1、大语言模型的基础认知(1).pdf
│ │ └── 1、开班典礼.mp4
│ ├── 02-通俗易懂大模型核心原理-25.3.20
│ │ ├── 10期-2、通俗易懂大模型的的核心原理(2).pdf
│ │ └── 2、通俗易懂大模型核心原理.mp4
│ ├── 03-提示工程特训-25.3.22
│ │ ├── 10期-3、提示工程特训和实战.pdf
│ │ ├── 3、提示词工程特训.mp4
│ │ ├── const.py
│ │ ├── HelloWorld.py
│ │ ├── TraineeTutoringSystemDetailed.py
│ │ ├── 化妆品用户对话数据 – 第二个.pdf
│ │ ├── 化妆品用户对话数据 – 第三个.pdf
│ │ ├── 化妆品用户对话数据 – 第一个.pdf
│ │ ├── 提示词范例-大模型应用学习规划师(1).txt
│ │ ├── 提示词范例-旅游助手.txt
│ │ └── 提示词范例-销售数据分析助手.txt
│ ├── 04-提示工程特训与实战-25.3.25
│ │ ├── 10期-3、提示工程特训和实战(1).pdf
│ │ └── 提示词工程特训与实战.mp4
│ ├── L1阶段代码
│ │ ├── combat
│ │ │ ├── aeoc
│ │ │ ├── db_query
│ │ │ ├── game24
│ │ │ ├── TraineeTutoringSystem.py
│ │ │ └── XiaoHongShu.py
│ │ ├── skill
│ │ │ ├── Few-Shot.py
│ │ │ ├── Self-Consistency_Counter.py
│ │ │ ├── Self-Consistency_LLM.py
│ │ │ ├── ToT.py
│ │ │ └── Zero-Shot.py
│ │ ├── const.py
│ │ └── HelloWorld.py
│ ├── 作业.txt
│ └── 作业参考.txt
├── AGI大模型全栈班-L2阶段
│ ├── 05-RAG讲解-25.3.28
│ │ ├── redis-latest
│ │ │ ├── dump.rdb
│ │ │ ├── Redis on Windows Release Notes.docx
│ │ │ ├── Redis on Windows.docx
│ │ │ ├── redis-benchmark.exe
│ │ │ ├── redis-benchmark.pdb
│ │ │ ├── redis-check-aof.exe
│ │ │ ├── redis-check-aof.pdb
│ │ │ ├── redis-check-dump.exe
│ │ │ ├── redis-check-dump.pdb
│ │ │ ├── redis-cli.exe
│ │ │ ├── redis-cli.pdb
│ │ │ ├── redis-server.exe
│ │ │ ├── redis-server.pdb
│ │ │ ├── redis.windows-service.conf
│ │ │ ├── redis.windows.conf
│ │ │ └── Windows Service Documentation.docx
│ │ ├── 代码
│ │ │ ├── 1-调用千问embding模型.py
│ │ │ ├── 10-词法搜索.py
│ │ │ ├── 11-混合检索.py
│ │ │ ├── 2-向量相似度计算.py
│ │ │ ├── 3-按照句子来切分.py
│ │ │ ├── 4-按照固定字符数切分.py
│ │ │ ├── 5-按固定字符数 结合overlapping window.py
│ │ │ ├── 6-递归方法 RecursiveCharacterTextSplitter.py
│ │ │ ├── 7-关键字搜索.py
│ │ │ ├── 8-1-chromadb演示v2.py
│ │ │ ├── 8-chromadb演示.py
│ │ │ └── 9-基于向量检索的RAG实现.py
│ │ ├── llama2.pdf
│ │ ├── RAG.pdf
│ │ ├── RAG讲解1.mp4
│ │ └── train_zh.json
│ ├── 06-RAG讲解（二）-25.4.1
│ │ ├── 课件
│ │ │ └── RAG.pdf
│ │ ├── 预习资料
│ │ │ ├── 1-LangChain快速入门.pdf
│ │ │ └── 2-LangChain之Model IO.pdf
│ │ ├── 12-基于向量检索的RAG实现公司HR制度智能问答系统.py
│ │ ├── 8-2-调用ollama向量数据库.py
│ │ ├── main(4).py
│ │ ├── RAG讲解2.mp4
│ │ └── 人事管理流程.docx
│ ├── 07-LangChain框架-25.4.8
│ │ ├── 1-LangChain快速入门
│ │ │ ├── 1-LangChain调用OpenAI接口.py
│ │ │ ├── 2-LangChain提示词模版.py
│ │ │ ├── 3-LangChain使用输出解析器.py
│ │ │ └── 4-LangChain向量存储.py
│ │ ├── 2-LangChain-Model IO
│ │ │ ├── 10-LangChain调用国产模型.py
│ │ │ ├── 11-LangChain文本嵌入模型.py
│ │ │ ├── 12-调用HuggingFaceBgeEmbeddings.py
│ │ │ ├── 13-日期时间解析器.py
│ │ │ ├── 5-LangChain创建提示模板.py
│ │ │ ├── 6-LangChain使用提示词模版.py
│ │ │ ├── 7-LangChain聊天提示模板.py
│ │ │ ├── 8-少量样本示例的提示模板.py
│ │ │ └── 9-文本补全(演示).py
│ │ ├── 3-LangChain链
│ │ │ ├── 14-未使用链.py
│ │ │ ├── 15-使用Chain.py
│ │ │ ├── 16-使用表达式语言(LCEL).py
│ │ │ ├── 17-用LangChain写Python代码并执行来生成答案.py
│ │ │ ├── 18-链的调用方式.py
│ │ │ ├── 19-create_stuff_documents_chain文档链.py
│ │ │ └── 20-create_sql_query_chainSQL查询链.py
│ │ ├── 1-LangChain快速入门.pdf
│ │ ├── 2-LangChain之Model IO.pdf
│ │ ├── LangChain框架1.mp4
│ │ └── requirements.txt
│ ├── 08-LangChain框架（二）25.4.11
│ │ ├── 5-LangChain记忆
│ │ │ ├── 1-chat messages.py
│ │ │ ├── 2-ConversationChain中的记忆.py
│ │ │ ├── 3-ConversationBufferMemory缓冲记忆.py
│ │ │ ├── 4-推荐写法.py
│ │ │ └── 5-向量存储库记忆.py
│ │ ├── 3-LangChain之链.pdf
│ │ ├── 4-LangChain之RAG.pdf
│ │ ├── 5-LangChain之Memory.pdf
│ │ └── LangChain框架2.mp4
│ ├── 09-Advanced-RAG1，Pre-Retrieval预检索优化-25.4.15
│ │ ├── source
│ │ │ ├── img
│ │ │ ├── resources
│ │ │ ├── tools
│ │ │ ├── 1、索引优化.ipynb
│ │ │ ├── 2、查询优化与混合检索.ipynb
│ │ │ ├── 3、后检索优化.ipynb
│ │ │ ├── 4、多模态RAG实战.ipynb
│ │ │ └── requirements.txt
│ │ ├── Advance RAG1.mp4
│ │ └── Advanced-RAG.pptx
│ ├── 10-Advanced-RAG2，Post-Retrieval后检索优化-25.4.18
│ │ ├── 课件资料
│ │ │ ├── source
│ │ │ ├── 1、混合检索.py
│ │ │ ├── 2、重排序-rrf.py
│ │ │ ├── 3、重排序-rerank.py
│ │ │ ├── 4、中间丢失.py
│ │ │ ├── 5、大模型提取器.py
│ │ │ ├── 6、大模型过滤器.py
│ │ │ ├── 7、向量过滤(问题与文档).py
│ │ │ ├── 8、向量过滤(文档之间).py
│ │ │ └── Advanced-RAG.pptx
│ │ └── Advance RAG2.mp4
│ ├── 11-多模态图文检索RAG实战1，多模态向量模型方案-25.4.25
│ │ ├── source
│ │ │ ├── img
│ │ │ ├── resources
│ │ │ ├── tools
│ │ │ ├── 1、索引优化.ipynb
│ │ │ ├── 2、查询优化与混合检索.ipynb
│ │ │ ├── 3、后检索优化.ipynb
│ │ │ ├── 4、多模态RAG实战.ipynb
│ │ │ └── requirements.txt
│ │ ├── Advanced-RAG.pptx
│ │ ├── 多模态图文检索RAG实战1.mp4
│ │ └── 说明.txt
│ ├── 12-多模态图文检索RAG实战2，基于多模态大模型方案与优化-25.4.29
│ │ ├── source
│ │ │ ├── img
│ │ │ ├── resources
│ │ │ ├── tools
│ │ │ ├── 1、索引优化.ipynb
│ │ │ ├── 2、查询优化与混合检索.ipynb
│ │ │ ├── 3、后检索优化.ipynb
│ │ │ ├── 4、多模态RAG实战.ipynb
│ │ │ └── requirements.txt
│ │ ├── Advanced-RAG.pptx
│ │ ├── 多模态图文检索RAG实战2.mp4
│ │ └── 说明.txt
│ └── 13-RAG系统性能评估-25.5.6
│ ├── source
│ │ ├── resources
│ │ ├── RAG评估.ipynb
│ │ └── requirements.txt
│ ├── RAG-Evalute.pptx
│ ├── RAGS评估性能指标解读.pdf
│ └── RAG系统评估.mp4
├── AGI大模型全栈班-L3阶段
│ ├── 14-Agent 生态认知革命-25.5.9
│ │ ├── Agent 生态认知革命
│ │ │ ├── AI Agent+Tools+Memory.py
│ │ │ ├── AI Agent工具到生态的认知革命.pptx
│ │ │ └── The First Agent.py
│ │ └── Agent生态认知革命.mp4
│ ├── 15-Agent智调：Funcation Calling-25.5.13
│ │ └── Agent智调_Function Calling
│ │ ├── AI+数据库查询系统
│ │ ├── 12306实时票务接口对接.py
│ │ ├── Agent智调：Function Calling.mp4
│ │ ├── FC完整流程实践.py
│ │ ├── Function Calling.pptx
│ │ ├── lQLPJxxV-myhcmvNCO3NB4qw1FfMsuDjBIIIBmMS-BESAA_1930_2285.png
│ │ ├── req.txt
│ │ ├── 动态sql生成与数据库查询.py
│ │ └── 数据库连接与数据插入.py
│ ├── 16-Agent 核心认知框架-25.5.16
│ │ ├── Agent核心认知框架
│ │ │ ├── 命理机器人
│ │ │ └── Agent核心认知框架.pptx
│ │ └── Agent核心认知框架.mp4
│ ├── 17-多Agent系统（上）-25.5.20
│ │ ├── 多Agent系统
│ │ │ ├── .coding
│ │ │ ├── autogen_generate_video
│ │ │ ├── my-app
│ │ │ ├── .DS_Store
│ │ │ ├── Agent系统.pptx
│ │ │ ├── Cursor专题课.pdf
│ │ │ ├── Dify 专题 – 快速构建生产级 AI 应用的利器.pdf
│ │ │ ├── req.txt
│ │ │ └── 公众号分析.py
│ │ ├── tools.py
│ │ ├── 多Agent系统.pdf
│ │ └── 多Agent系统（上）.mp4
│ ├── 18–多Agent系统（下）-25.5.23
│ │ ├── CrewAI.pdf
│ │ ├── tools.py
│ │ ├── 多Agent系统（下）.mp4
│ │ └── 实战项目：多智能体协同代码生成应用（更新）.pdf
│ ├── 19-Agent 数字人应用-25.5.27
│ │ ├── Agent数字人
│ │ │ ├── interviewer
│ │ │ ├── 模拟面试机器人
│ │ │ ├── .DS_Store
│ │ │ ├── _Docker 安装教程.pdf
│ │ │ ├── 机器人实现思路.png
│ │ │ └── 模拟面试机器人.png
│ │ ├── Agent数字人应用1.mp4
│ │ └── Agent数字人应用2.mp4
│ ├── 20-Agent可视化平台 Coze-25.5.30
│ │ ├── Agent可视化平台Coze.mp4
│ │ └── Coze(1).pdf
│ └── 21-大模型预训练基石：从数据获取到增强的全流程解析-25.6.4
│ ├── 从数据获取到增强全流程
│ │ ├── .idea
│ │ ├── 1月.xlsx
│ │ ├── baidu.html
│ │ ├── bs4实例.py
│ │ ├── req.txt
│ │ ├── selenium上.md
│ │ ├── TB2018.xls
│ │ ├── weather.csv
│ │ ├── xpath实例.py
│ │ ├── 当当.csv
│ │ ├── 第一个spider程序.py
│ │ ├── 缺失值查找.py
│ │ ├── 缺失值删除.py
│ │ ├── 缺失值填充.py
│ │ ├── 数据解析之BeautifulSoup4.md
│ │ ├── 数据解析之xpath解析.md
│ │ ├── 数据解析之正则表达式.md
│ │ ├── 修改数据.py
│ │ ├── 政策.xls
│ │ ├── 重复值处理.py
│ │ └── 自动化实例.py
│ ├── 大模型预训练基石：从数据获取到增强的全流程解.mp4
│ └── 大模型预训练基石：从数据获取到增强的全流程解析(1).pptx
└── AGI大模型全栈班-L4阶段
├── 22-何为开源大模型、为何要开源大模型25.6.11
│ ├── 1何为开源大模型、为何要开源大模型（密码：mps112233）.pptx
│ └── 何为开源大模型、为何要开源大模型.mp4
├── 23-大模型微调技术之数据清洗-25.6.14
│ ├── 2大模型微调技术之数据清洗（密码：mps112233）.pptx
│ └── 大模型微调技术之数据清洗.mp4
└── 24-大模型微调技术之数据清洗（二）-25.6.18
├── 3模型微调（密码：mps112233）.pptx
└── 大模型微调技术之数据清洗（二）.mp4