文件清单 108 项

• DSPy优化器优化LLM程序.ts
• GLM 4 工具调用从入门到精通与CogVideoX 文本生成视频 API 全流程.ts
• GLM Assistant API集成与FastAPI服务复刻实战指南.ts
• GLM模型:流式处理的工具调用,多模态应用及模型微调实战指南.ts
• 提示工程全解指南.ts
• [Claude]01_了解Claude的所有特质.MP4
• [Claude]02_Claude的注册流程.ts
• [Claude]03_API_KEY领取及调用.ts
• [Claude]04_API必须参数揭秘,多轮对话机器人速成指南_x264.ts

展开全部 108 项

• [Claude]05_API多模态的最佳实践.ts
• [Claude]06_API生成定制化与提示工程实战长文档.mp4
• [Claude]07_tool use全流程讲解与wiki搜索实战.ts
• [Claude]08_tool_choice与定制Json输出及tool_use大实战.ts
• [Claude]09_揭秘prompt Cache提示缓存:节省成本加快响应的绝技.ts
• [Claude]10_stream函数及生成器本质讲解.ts
• [Claude]11_stream流式概念与使用方法讲解.ts
• [Claude]12_异步的使用原因与基本语法.ts
• [Gemini]01_Gemini注册指南-最新模型免费API调用.ts
• [Gemini]02_生态体验攻略与微调实战.ts
• [Gemini]03_解锁 Gemini API-开启文本生成之旅.ts
• [Gemini]04_掌握原生generate_content函数多轮对话技巧.ts
• [Gemini]05_API内置简化多轮对话的start_chat函数与ChatSessi.ts
• [Gemini]06_API精细化控制生成之System Instruction.ts
• [Gemini]07_API精细化控制生成之generation_config与max_t.ts
• [Gemini]08_API精细化控制生成之Temperature与Stop Sequen.ts
• [Gemini]09_提示工程之长文档实战.ts
• [Gemini]10_API精细化控制生成结构化与Json参数.ts
• [GLMAssistantAPI]01_调用assistantAPI流程与效果.ts
• [GLMAssistantAPI]02_多个assistant演示解析使用.ts
• Cursor&Coder高效低代码开发办法.ts
• Glm-Edge-v-5B模型介绍与本地部署.ts
• Marco-o1模型介绍与本地部署.ts
• Ollama最新版本保姆级指南.ts
• Ollama最新版本启动多模态模型Llama3.2Vision全流程[Linux环境].ts
• Qwen2-5Coder本地部署使用全流程.ts
• Qwen2-5Coder:32B基本介绍和测试.ts
• Qwen2VL多模态模型参数介绍&部署使用全流程.ts
• 在Windows环境下使用Ollama启动多模态模型llama3.2Vision全流程.ts
• [ChatGLM3-6B]01_Ubuntu双系统安装.MP4
• [ChatGLM3-6B]02_Ubuntu环境下ChatGLM3-6b命令行安装办法.MP4
• [ChatGLM3-6B]03_服务器环境下部署ChatGLM3-6b.ts
• [ChatGLM3-6B]04_ChatGLM3-6b的多种启动方法.ts
• [ChatGLM3-6B]05_AutoDL快速部署ChatGLM3-6b办法.ts
• [ChatGLM3-6B]07_以ChatGLM3-6b为例的大模型更新办法.ts
• [ChatGLM3-6B]08_单机多卡启动大模型办法.ts
• [ChatGLM3-6B]09_LoRA原理浅析.ts
• [ChatGLM3-6B]10_LoRA微调实战训练.ts
• [ChatGLM3-6B]11_DeepSpeed原理浅析.ts
• [ChatGLM3-6B]12_PEFT高效微调原理浅析.ts
• [ChatGLM3-6B]13_P-Tuning V2微调实战.ts
• [ChatGLM3-6B]14_LangChian体系详解.ts
• [ChatGLM3-6B]15_LangChain0.3安装部署与调用方法.ts
• [Cursor]调用QWQ实现辅助编程-调用本地模型全流程.ts
• [Cursor]在Windows环境下调用QWQ线上API实现辅助编程方法.ts
• [GLM4-9B]01_模型基本介绍.ts
• [GLM4-9B]02_安装部署流程展示.ts
• [GLM4-9B]03_多种启动方式流程展示.ts
• [GLM4-9B]04_vLLM介绍和部署应用.ts
• Ch 1.1 通用模型发展与微调前景.ts
• Ch 1.2 微调与其他技术的区别和关联.ts
• Ch 1.3 微调步骤及技术栈.ts
• Ch 1.4 高效微调及范围.ts
• Ch 1.5 强化学习RHLF介绍.ts
• Ch 1.6 主流微调框架.ts
• Ch 2.1 Lora原理详解.ts
• Ch 2.2 LLama_factory 介绍.ts
• Ch 2.3 LLama_factory 安装部署及验证.ts
• Ch 2.4 实战Qwen2.5微调.ts
• Ch 2.5 配置TensorBoard.ts
• Ch 3.1 如何获取数据源及使用解析.ts
• Ch 3.2 llamafactory中如何使用和注册数据集.ts
• Ch 3.3 模型微调及参数详解.ts
• Ch 3.4 数据验证&deepspeed微调.ts
• Ch 4.1 win&Qlora&qwen2.5_Qlora能节约多少内存.ts
• Ch 4.2 Qlora核心概念.ts
• Ch 4.3如何在windows配置环境.ts
• Ch 4.4 Qlor微调实战与验证.ts
• Ch 5.1PPO&llama3.2_什么是PPO算法.ts
• Ch 5.2 如何理解PPO.ts
• Ch 5.3 各个模型PPO算法的协作关系.ts
• Ch 5.4 PPO模型与数据的选择.ts
• Ch 5.5 PPO微调实操.ts
• Ch 5.6 PPO源码解读.ts
• Ch 6.1 RLHF&Qwen2.5,RLHF背景与意义.ts
• Ch 6.2 RLHF流程拆解与核心.ts
• Ch 6.3 奖励模型原理.ts
• Ch 6.4 奖励模型训练流程.ts
• Ch 6.5 RLHF全流程微调.ts
• Ch 1.1 大模型应用发展与Agent前沿技术趋势.ts
• Ch 1.2 大模型应用的本地知识库问答核心技术-RAG.ts
• Ch 1.3 AI Agent爆发的根本原因.ts
• Ch 1.4 AI Agent 经典核心架构与 AgentExcuter.ts
• Ch 2.1 AI Agent与LLMs + RAG的本质区别.ts
• Ch 2.2 AI Agent三种应用类型及Python实现可交互的聊天机器人.ts
• Ch 2.3 Funcation Calling 完整生命周期细节复现.ts
• Ch 2.4 实现具备Funcation Calling的智能电商客服.ts
• Ch 2.5 Function Calling并行调用和多函数调用的应用方法.ts
• Ch 2.6 加餐:OpenAI最新推出的结构化输出功能介绍.ts
• 大模型与Agent开发实战[新课]/
• 1-在线大模型部署调用/
• 2-开源大模型部署调用/
• 3-大模型微调实战/
• 4-大模型Agent开发实战/
• 6-直播回放篇/
• 低代码开发实战Dify&Coze/
• DeepSeek-V3&R1/
• PART4:DeepSeekV3 (5小节)/
• 企业级实战/