课程信息
一套专注于AI大模型技术应用与开发的实战课程，面向所有技术开发者、职场人士或对AI感兴趣的学习者，帮助其掌握大模型原理、应用技能和项目实操经验。
课程目录
├── 1-AI大模型原理与API使用
│ ├── CASE-保险反欺诈
│ │ ├── .ipynb_checkpoints
│ │ │ ├── insurance_automl-checkpoint.ipynb 0.04M
│ │ │ ├── insurance_automl2-checkpoint.ipynb 0.04M
│ │ │ ├── insurance_feature_importance-checkpoint.ipynb 0.09M
│ │ │ ├── insurance_fraud_detect-checkpoint.ipynb 1.12M
│ │ │ ├── insurance_fraud_detect1-checkpoint.ipynb 0.17M
│ │ │ ├── insurance_fraud_detect2-checkpoint.ipynb 0.27M
│ │ │ ├── test1-checkpoint.ipynb 0.07M
│ │ │ ├── test2-checkpoint.ipynb 0.24M
│ │ │ └── Untitled-checkpoint.ipynb 0.18M
│ │ ├── test.csv 0.08M
│ │ └── train.csv 0.18M
│ ├── 1-AI大模型原理与DeepSeek使用.pdf 3.01M
│ ├── 1-情感分析-Qwen.ipynb 0.00M
│ ├── 2-API使用.pdf 1.59M
│ ├── 2-天气Function-Qwen.ipynb 0.01M
│ ├── 3-表格提取-Qwen.ipynb 0.00M
│ ├── 4-运维事件处置-Qwen.ipynb 0.01M
│ ├── 5-情感分析-Deepseek-阿里代理.ipynb 0.00M
│ ├── 6-deepseek-r1-7b使用.ipynb 0.01M
│ ├── 6-deepseek-r1-7b使用.py 0.00M
│ ├── 笔记-20250331.txt 0.00M
│ └── README.md 0.00M
├── 2-Prompt工程：设计与优化
│ ├── 1-DeepSeek使用.pdf 3.45M
│ ├── 1-情感分析-Deepseek-阿里代理.ipynb 0.00M
│ ├── 1-情感分析-Deepseek-阿里代理.py 0.00M
│ ├── 2-提示词工程.pdf 1.17M
│ ├── 2-提示词工程使用.ipynb 0.01M
│ ├── 2-提示词工程使用.py 0.00M
│ ├── 3-deepseek-r1-7b使用.ipynb 0.01M
│ ├── 3-deepseek-r1-7b使用.py 0.00M
│ ├── 笔记20250403.txt 0.00M
│ └── README.md 0.00M
├── 3-Cursor编程：从入门到精通
│ ├── CASE-bed_usage
│ │ └── hospital_bed_usage_data.xlsx 3.07M
│ ├── CASE-dashboard_epidemic
│ │ └── 香港各区疫情数据_20250322.xlsx 0.18M
│ ├── CASE-Excel_merge
│ │ ├── 员工基本信息表.xlsx 0.01M
│ │ └── 员工绩效表.xlsx 0.01M
│ ├── 【完成参考】bed_usage
│ │ ├── .qodo
│ │ │ └── history.sqlite 0.02M
│ │ ├── charts
│ │ │ ├── 病床数量与使用率关系.png 0.34M
│ │ │ ├── 各医院病床使用率.png 0.25M
│ │ │ ├── TOP10最低使用率科室.png 0.13M
│ │ │ ├── TOP10最高使用率科室.png 0.15M
│ │ │ └── 医院科室使用率热力图.png 0.42M
│ │ ├── data_cache
│ │ │ ├── data_cache.pkl 0.00M
│ │ │ └── metadata.json 0.00M
│ │ ├── templates
│ │ │ └── index.html 0.04M
│ │ ├── .gitignore 0.00M
│ │ ├── app.py 0.02M
│ │ ├── hospital_bed_usage_data.xlsx 3.07M
│ │ ├── precompute_data.py 0.01M
│ │ ├── README.md 0.00M
│ │ └── view_excel_data.py 0.01M
│ ├── 【完成参考】dashboard_epidemic
│ │ ├── static
│ │ │ ├── css
│ │ │ │ └── dashboard.css 0.01M
│ │ │ └── js
│ │ │ ├── dashboard.js 0.03M
│ │ │ └── hongkong.json 3.33M
│ │ ├── templates
│ │ │ └── index.html 0.00M
│ │ ├── .gitignore 0.00M
│ │ ├── app.py 0.01M
│ │ ├── 各地区确诊病例对比图.png 0.26M
│ │ ├── 活跃病例数据统计图.png 0.20M
│ │ ├── 每日确诊数据统计图.png 0.34M
│ │ ├── read_excel.py 0.01M
│ │ ├── README.md 0.00M
│ │ ├── requirements.txt 0.00M
│ │ ├── 香港各区疫情数据_20250322.xlsx 0.18M
│ │ ├── 疫情数据统计图 - 副本.png 0.17M
│ │ └── 疫情数据统计图.png 0.17M
│ ├── 【完成参考】Excel_merge
│ │ ├── .gitignore 0.00M
│ │ ├── Excel_merge.py 0.00M
│ │ ├── 员工基本信息表.xlsx 0.01M
│ │ ├── 员工绩效表.xlsx 0.01M
│ │ └── 员工信息与绩效合并表.xlsx 0.01M
│ ├── 1-Cursor编程.pdf 3.91M
│ ├── 笔记20250408.txt 0.01M
│ ├── 【补充】CASE-病床使用情况.pdf 1.83M
│ └── 【课前准备】AI编程工具安装.pdf 0.13M
├── 4-Cursor数据可视化与洞察
│ ├── CASE-客户续保预测
│ │ ├── policy_data.xlsx 0.09M
│ │ └── policy_test.xlsx 0.02M
│ ├── 【完成参考】CASE-客户续保预测
│ │ ├── .gitignore 0.00M
│ │ ├── age_distribution.png 0.02M
│ │ ├── analyze_data.py 0.00M
│ │ ├── best_decision_tree_text.txt 0.00M
│ │ ├── best_decision_tree_viz.png 0.64M
│ │ ├── best_dt_roc_curve.png 0.04M
│ │ ├── best_lr_coefficients.png 0.05M
│ │ ├── best_lr_feature_importance.png 0.03M
│ │ ├── best_lr_roc_curve.png 0.04M
│ │ ├── best_roc_curve.png 0.04M
│ │ ├── bnb_confusion_matrix.png 0.02M
│ │ ├── bnb_roc_curve.png 0.03M
│ │ ├── confusion_matrix.png 0.02M
│ │ ├── decision_tree_model.py 0.01M
│ │ ├── decision_tree_text.txt 0.00M
│ │ ├── decision_tree_viz.png 0.65M
│ │ ├── dt_confusion_matrix.png 0.02M
│ │ ├── dt_feature_importance.png 0.03M
│ │ ├── dt_roc_curve.png 0.04M
│ │ ├── feature_importance.png 0.03M
│ │ ├── gender_age_boxplot.png 0.01M
│ │ ├── gender_distribution.png 0.02M
│ │ ├── gnb_confusion_matrix.png 0.02M
│ │ ├── gnb_roc_curve.png 0.03M
│ │ ├── logistic_regression_model.py 0.01M
│ │ ├── lr_coefficients.png 0.04M
│ │ ├── lr_confusion_matrix.png 0.02M
│ │ ├── lr_feature_importance.png 0.03M
│ │ ├── lr_roc_curve.png 0.03M
│ │ ├── mnb_confusion_matrix.png 0.02M
│ │ ├── mnb_roc_curve.png 0.03M
│ │ ├── naive_bayes_model.py 0.01M
│ │ ├── nb_models_comparison_roc.png 0.05M
│ │ ├── policy_data.xlsx 0.09M
│ │ ├── policy_test.xlsx 0.02M
│ │ ├── random_forest_model.py 0.01M
│ │ ├── README.md 0.00M
│ │ ├── region_correlation.png 0.04M
│ │ ├── roc_curve.png 0.03M
│ │ ├── view_data.py 0.00M
│ │ └── view_excel.py 0.00M
│ ├── 1-Cursor数据可视化与洞察.pdf 1.01M
│ ├── 2-CASE-客户续保预测.pdf 2.97M
│ └── 笔记20250410.txt 0.01M
├── 5-Embeddings和向量数据库
│ ├── hotel_recommendation
│ │ ├── .ipynb_checkpoints
│ │ │ └── hotel_rec-checkpoint.ipynb 0.14M
│ │ ├── .qodo
│ │ │ └── history.sqlite 0.02M
│ │ ├── .gitignore 0.00M
│ │ ├── hotel_rec - nltk.py 0.00M
│ │ ├── hotel_rec.ipynb 0.14M
│ │ ├── hotel_rec.py 0.01M
│ │ └── Seattle_Hotels.csv 0.15M
│ ├── word2vec
│ │ ├── journey_to_the_west
│ │ │ ├── segment
│ │ │ │ └── segment_0.txt 2.27M
│ │ │ └── source
│ │ │ └── journey_to_the_west.txt 1.24M
│ │ ├── models
│ │ │ └── word2Vec.model 7.77M
│ │ ├── three_kingdoms
│ │ │ └── source
│ │ │ └── three_kingdoms.txt 1.72M
│ │ ├── utils
│ │ │ ├── __pycache__
│ │ │ │ ├── __init__.cpython-35.pyc 0.00M
│ │ │ │ ├── __init__.cpython-36.pyc 0.00M
│ │ │ │ ├── __init__.cpython-37.pyc 0.00M
│ │ │ │ ├── __init__.cpython-311.pyc 0.00M
│ │ │ │ ├── files_processing.cpython-35.pyc 0.01M
│ │ │ │ ├── files_processing.cpython-36.pyc 0.01M
│ │ │ │ ├── files_processing.cpython-37.pyc 0.01M
│ │ │ │ ├── files_processing.cpython-311.pyc 0.01M
│ │ │ │ ├── segment.cpython-35.pyc 0.01M
│ │ │ │ ├── segment.cpython-36.pyc 0.01M
│ │ │ │ ├── segment.cpython-37.pyc 0.01M
│ │ │ │ └── segment.cpython-311.pyc 0.01M
│ │ │ ├── __init__.py 0.00M
│ │ │ ├── create_batch_data.py 0.01M
│ │ │ ├── create_word2vec.py 0.01M
│ │ │ ├── files_processing.py 0.01M
│ │ │ └── segment.py 0.01M
│ │ ├── word_seg.py 0.00M
│ │ └── word_similarity.py 0.00M
│ ├── 1-Embedding与向量数据库.pdf 1.16M
│ └── 笔记20250414.txt 0.00M
├── 6-RAG技术与应用
│ ├── CASE-ChatPDF-Faiss
│ │ ├── .ipynb_checkpoints
│ │ │ └── chatpdf-faiss-checkpoint.ipynb 0.02M
│ │ ├── faiss-1
│ │ │ ├── index.faiss 0.03M
│ │ │ └── index.pkl 0.01M
│ │ ├── chatpdf-faiss.ipynb 0.02M
│ │ ├── chatpdf-faiss.py 0.01M
│ │ ├── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf 0.32M
│ │ └── ReadMe.md 0.00M
│ ├── CASE-embedding使用
│ │ ├── bge-m3使用.py 0.00M
│ │ ├── gte-qwen2-使用1.py 0.00M
│ │ └── gte-qwen2-使用2.py 0.00M
│ ├── 1-RAG技术与应用.pdf 2.07M
│ ├── 2-NotebookLM使用.pdf 1.68M
│ └── 笔记20250417.txt 0.01M
├── 7-RAG高级技术与最佳实践
│ ├── Case-ChatPDF-Faiss
│ │ ├── chatpdf-faiss.ipynb 0.02M
│ │ ├── chatpdf-faiss.py 0.01M
│ │ ├── MultiQueryRetriever使用.ipynb 0.01M
│ │ ├── MultiQueryRetriever使用.py 0.00M
│ │ └── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf 0.32M
│ ├── CASE-Qwen-Agent-RAG
│ │ ├── docs
│ │ │ ├── 1-平安商业综合责任保险（亚马逊）.txt 0.00M
│ │ │ ├── 2-雇主责任险.txt 0.00M
│ │ │ ├── 3-平安企业团体综合意外险.txt 0.01M
│ │ │ ├── 4-雇主安心保.txt 0.00M
│ │ │ ├── 5-施工保.txt 0.00M
│ │ │ ├── 6-财产一切险.txt 0.00M
│ │ │ ├── 7-平安装修保.txt 0.00M
│ │ │ ├── 平安产险交通出行意外伤害保险（互联网版）产品说明.pdf 0.08M
│ │ │ ├── 平安产险交通工具意外伤害保险（互联网版）条款.pdf 0.30M
│ │ │ ├── 平安附加疾病身故保险条款.pdf 0.52M
│ │ │ ├── 平安境内紧急医疗救援服务条款.pdf 0.16M
│ │ │ ├── 平安企业团体综合意外险(互联网版)适用条款.pdf 0.29M
│ │ │ └── 平安商业综合责任保险（亚马逊）.pdf 0.91M
│ │ ├── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf 0.32M
│ │ ├── qwen-agent-1.ipynb 0.01M
│ │ ├── qwen-agent-1.py 0.00M
│ │ ├── qwen-agent-multi-files.ipynb 0.02M
│ │ └── qwen-agent-multi-files.py 0.00M
│ ├── graphrag-main
│ │ └── cases
│ │ ├── input
│ │ │ ├── three_kingdoms-4037c531101e.txt 1.72M
│ │ │ └── three_kingdoms.txt 1.43M
│ │ ├── .env 0.00M
│ │ └── settings.yaml 0.01M
│ ├── rerank
│ │ ├── beg-reranker.ipynb 0.01M
│ │ └── beg-reranker.py 0.00M
│ ├── 1-RAG高级技术与实践.pdf 5.33M
│ └── 笔记20250422.txt 0.01M
├── 8-Text2SQL：自助式数据报表开发
│ ├── CASE-SQL Copilot
│ │ ├── insurance
│ │ │ ├── data
│ │ │ │ ├── AgentInfo.xlsx 0.10M
│ │ │ │ ├── BeneficiaryInfo.xlsx 0.06M
│ │ │ │ ├── ClaimInfo.xlsx 0.08M
│ │ │ │ ├── create_sql.txt 0.00M
│ │ │ │ ├── CustomerInfo.xlsx 0.11M
│ │ │ │ ├── EmployeeInfo.xlsx 0.14M
│ │ │ │ ├── PolicyInfo.xlsx 0.08M
│ │ │ │ ├── ProductInfo.xlsx 0.06M
│ │ │ │ └── 数据表字段说明-精简1.txt 0.00M
│ │ │ ├── qa_list-1.txt 0.00M
│ │ │ ├── qa_list-2.txt 0.00M
│ │ │ ├── SQL查询-Chat.ipynb 0.03M
│ │ │ ├── SQL查询-Coder.ipynb 0.01M
│ │ │ └── SQL结果评测.ipynb 0.01M
│ │ ├── codegeex-1.ipynb 0.01M
│ │ └── qwen-coder1.ipynb 0.01M
│ ├── Case-SQL-LangChain
│ │ ├── .ipynb_checkpoints
│ │ │ ├── sql_agent_deepseek-checkpoint.ipynb 0.02M
│ │ │ └── sql_life_insurance-checkpoint.ipynb 0.00M
│ │ ├── sql_agent_deepseek.ipynb 0.02M
│ │ └── sql_life_insurance.ipynb 0.03M
│ ├── CASE-SQL-vanna
│ │ ├── vanna-mysql.ipynb 0.02M
│ │ └── vanna-mysql.py 0.00M
│ ├── SQL数据表源文件
│ │ ├── agentinfo.sql 0.23M
│ │ ├── beneficiaryinfo.sql 0.14M
│ │ ├── claiminfo.sql 0.27M
│ │ ├── crs_orders.sql 0.00M
│ │ ├── customerinfo.sql 0.26M
│ │ ├── employeeinfo.sql 0.30M
│ │ ├── heros.sql 0.01M
│ │ ├── policyinfo.sql 0.24M
│ │ └── productinfo.sql 0.20M
│ ├── 1-Text2SQL：自助式数据报表开发.pdf 3.08M
│ ├── 2-vanna使用.pdf 0.47M
│ └── 笔记20250424.txt 0.01M
├── 9-LangChain：多任务应用开发
│ ├── CASE-搭建故障诊断Agent
│ │ ├── 2-network_diagnosis_agent.py 0.01M
│ │ ├── network_diagnosis_agent_logic.md 0.01M
│ │ └── requirements.txt 0.00M
│ ├── CASE-工具链组合
│ │ ├── 1-simple_toolchain.py 0.01M
│ │ ├── 2-simple_toolchain.py 0.01M
│ │ ├── 3-lcel-demo.py 0.00M
│ │ └── requirements.txt 0.00M
│ ├── Case-LangChain使用
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 1-LLMChain-checkpoint.ipynb 0.01M
│ │ │ ├── 2-LLMChain-checkpoint.ipynb 0.01M
│ │ │ ├── 3-LLMChain-checkpoint.ipynb 0.00M
│ │ │ ├── 4-ConversationChain-checkpoint.ipynb 0.00M
│ │ │ ├── ConversationChain1-checkpoint.ipynb 0.00M
│ │ │ ├── indexes1-checkpoint.ipynb 0.01M
│ │ │ ├── LLMChain-ChatPromptTemplate1-checkpoint.ipynb 0.00M
│ │ │ ├── LLMChain1-checkpoint.ipynb 0.00M
│ │ │ ├── LLMChain2-1-checkpoint.ipynb 0.01M
│ │ │ ├── LLMChain2-checkpoint.ipynb 0.06M
│ │ │ └── LLMChain3-checkpoint.ipynb 0.01M
│ │ ├── 1-LLMChain.ipynb 0.00M
│ │ ├── 2-LLMChain.ipynb 0.01M
│ │ ├── 3-LLMChain.ipynb 0.01M
│ │ ├── 4-ConversationChain.ipynb 0.00M
│ │ └── 5-product_llm.py 0.01M
│ ├── 1-LangChain：多任务应用开发.pdf 3.03M
│ ├── 2-Generative Agents.pdf 1.41M
│ └── 笔记20250429.txt 0.01M
├── 10-Function Callling与协作
│ ├── CASE-Function Calling
│ │ ├── qwen3-function使用-2.py 0.01M
│ │ ├── qwen3-function使用.py 0.00M
│ │ └── requirements.txt 0.00M
│ ├── CASE-ticket-agent
│ │ ├── assistant_revenue_bot.py 0.02M
│ │ ├── assistant_ticket_bot-1.py 0.01M
│ │ ├── assistant_ticket_bot-2.py 0.01M
│ │ ├── assistant_ticket_bot-3.py 0.01M
│ │ └── requirements.txt 0.00M
│ └── Function Calling与协作.pdf 1.74M
├── 11-MCP与A2A应用
│ ├── CASE-A2A使用
│ │ ├── BasketBallAgent.py 0.00M
│ │ ├── requirements.txt 0.00M
│ │ └── WeatherAgent.py 0.00M
│ ├── CASE-MCP Demo-1
│ │ ├── .cursorindexingignore 0.00M
│ │ ├── .gitignore 0.00M
│ │ ├── assistant_mcp_amap_bot.py 0.01M
│ │ ├── assistant_mcp_txt_bot.py 0.01M
│ │ ├── 旅行规划.md 0.00M
│ │ ├── requirements.txt 0.00M
│ │ └── txt_counter.py 0.00M
│ ├── CASE-MCP Demo-2
│ │ ├── assistant_bot.py 0.01M
│ │ └── requirements.txt 0.00M
│ ├── 1-MCP与A2A的应用.pdf 5.69M
│ └── 笔记20250508.txt 0.00M
├── 12-Agent智能体系统的设计与应用
│ ├── CASE-私募基金运作指引问答助手（反应式）
│ │ ├── fund_qa_langgraph.py 0.01M
│ │ └── fund_qa_qwen_agent.py 0.01M
│ ├── CASE-投顾AI助手（混合式）
│ │ ├── hybrid_wealth_advisor_langgraph.py 0.02M
│ │ ├── hybrid_wealth_advisor_qwen_agent.py 0.02M
│ │ └── requirements.txt 0.00M
│ ├── CASE-智能投研助手（深思熟虑）
│ │ ├── deliberative_research_agent_comparison.md 0.01M
│ │ ├── deliberative_research_agent_documentation.md 0.01M
│ │ ├── deliberative_research_langgraph.py 0.02M
│ │ ├── deliberative_research_qwen_agent-2.py 0.02M
│ │ └── requirements.txt 0.00M
│ ├── 1-Agent智能体系统的设计与应用.pdf 2.79M
│ └── 笔记20250513.txt 0.01M
├── 13-视觉大模型与多模态理解
│ ├── CASE-MinerU使用
│ │ ├── 1-MinerU.ipynb 0.00M
│ │ ├── download_models_hf.py 0.00M
│ │ ├── Qwen3-tech_report.pdf 6.09M
│ │ └── 三国演义.pdf 3.75M
│ ├── CASE-汽车剐蹭视频理解
│ │ ├── car.mp4 5.77M
│ │ ├── requirements.txt 0.00M
│ │ ├── video-understand.ipynb 0.02M
│ │ └── video-understand.py 0.01M
│ ├── CASE-VLM在车险中的应用
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 1-Qwen-VL-保险识别-cn-checkpoint.ipynb 0.01M
│ │ │ └── 2-Qwen-VL-chat1-checkpoint.ipynb 0.87M
│ │ ├── 1-Qwen-VL-保险识别-cn.ipynb 0.02M
│ │ ├── 1-vehicle-odometer-reading.jpg 0.02M
│ │ ├── 2-Qwen-VL-chat1.ipynb 0.87M
│ │ ├── 2-vehicle-odometer-reading.jpg 0.08M
│ │ ├── 3-vehicle-underwriting-1.jpg 0.04M
│ │ ├── 3-vehicle-underwriting-2.jpg 0.04M
│ │ ├── 3-vehicle-underwriting-3.jpg 0.05M
│ │ ├── 3-vehicle-underwriting-4.jpg 0.04M
│ │ ├── 3-vehicle-underwriting-5.jpg 0.03M
│ │ ├── 4-Dangerous-driving-behavior-detection.jpg 0.04M
│ │ ├── 5-Dangerous-driving-behavior-detection.jpg 0.03M
│ │ ├── 6-Dangerous-driving-behavior-detection-1.jpg 0.02M
│ │ ├── 6-Dangerous-driving-behavior-detection-2.jpg 0.02M
│ │ ├── 6-Dangerous-driving-behavior-detection-3.jpg 0.02M
│ │ ├── 6-Dangerous-driving-behavior-detection-4.jpg 0.02M
│ │ ├── 6-Dangerous-driving-behavior-detection-5.jpg 0.02M
│ │ ├── 7-vehicle-damage-evaluation.jpg 0.07M
│ │ ├── 8-vehicle-damage-evaluation.jpg 0.04M
│ │ ├── 9-extraction-of-auto-accident-elements.jpg 0.07M
│ │ ├── 10-extraction-of-auto-accident-elements.jpg 0.12M
│ │ ├── 11-vehicle-identity-verification-1.jpg 0.05M
│ │ ├── 11-vehicle-identity-verification-2.jpg 0.05M
│ │ ├── 12-vehicle-identity-verification-1.jpg 0.06M
│ │ ├── 12-vehicle-identity-verification-2.jpg 0.08M
│ │ ├── prompt_template_cn.xlsx 0.01M
│ │ ├── prompt_template_cn_result-20250430.xlsx 0.02M
│ │ ├── prompt_template_cn_result.xlsx 0.01M
│ │ ├── prompt_template_en.xlsx 0.01M
│ │ └── prompt_template_en_result.xlsx 0.01M
│ ├── CASE-VLM在寿险中的应用
│ │ ├── .ipynb_checkpoints
│ │ │ └── 2-Qwen-VL-本地图片-checkpoint.ipynb 0.00M
│ │ ├── 1-Chinese-document-extraction.jpg 0.08M
│ │ ├── 1-Qwen-VL-保险识别-cn.ipynb 0.01M
│ │ ├── 2-Japanese-document-extraction.jpg 0.17M
│ │ ├── 2-Qwen-VL-本地图片【海量资源：kebaiwan.net】.ipynb 0.00M
│ │ ├── 3-French-document-extraction.jpg 0.20M
│ │ ├── 4-German-document-extraction.jpg 0.14M
│ │ ├── 5-Korean-document-extraction.jpg 0.11M
│ │ ├── prompt_template_cn.xlsx 0.01M
│ │ └── prompt_template_cn_result.xlsx 0.01M
│ ├── 笔记20250515.txt 0.00M
│ ├── 视觉大模型与多模态理解.pdf 6.66M
│ └── yolo-cases.zip 80.75M
├── 15-Coze工作原理与应用实例
│ ├── CASE：创建产品知识库
│ │ ├── 大模型定价.xlsx 0.01M
│ │ ├── 空调定价.xlsx 0.01M
│ │ ├── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf 0.36M
│ │ └── 远程办公场景最佳实践.docx 0.46M
│ ├── 1-Coze工作原理与应用实例.pdf 5.83M
│ └── 笔记20250522.txt 0.01M
├── 16-Coze进阶实战与插件开发
│ ├── CASE-客户分层营销助手
│ │ ├── user_behavior_event.xlsx 0.01M
│ │ ├── user_tag.xlsx 0.01M
│ │ └── 营销策略.xlsx 0.01M
│ ├── CASE-市场舆情监测Agent
│ │ ├── AppStorePast-代码1.py 0.00M
│ │ ├── AppStorePast.py 0.00M
│ │ ├── 代码.js 0.00M
│ │ ├── 代码1.py 0.00M
│ │ └── securities_past.py 0.00M
│ ├── CASE-智能客服Agent
│ │ ├── 港股交易规则介绍.pdf 0.93M
│ │ ├── 平安财富日添利理财产品.doc 0.03M
│ │ ├── 上海证券交易所交易规则.pdf 0.37M
│ │ ├── user_complain.xlsx 0.01M
│ │ └── 中国平安金裕人生理财产品.doc 0.06M
│ ├── ABC公司证券产品介绍.txt 0.01M
│ ├── 笔记20250527.txt 0.00M
│ ├── Coze进阶实战与插件开发.pdf 6.40M
│ └── 证券舆情Agent.mp4 4.44M
├── AI大模型全栈工程师先导课（赠）
│ ├── 1-初始Python.mp4 9.55M
│ ├── 2-Windows环境安装.mp4 6.63M
│ ├── 3-macOS环境安装.mp4 6.84M
│ ├── 4-VSCode安装与应用.mp4 19.43M
│ ├── 5-PyCharn安装与应用.mp4 22.86M
│ ├── 6-pip包管理工具.mp4 28.69M
│ ├── 7-Python工程应用-字符串.mp4 32.33M
│ ├── 8-Python文档化应用场景.mp4 18.98M
│ ├── 9-如何使用注解.mp4 29.06M
│ ├── 10-字符编码的处理.mp4 64.71M
│ ├── 11-Python程序调式和异常处理技巧.mp4 95.59M
│ ├── 12-JSON应用.mp4 40.10M
│ ├── 13-文件IO.mp4 25.28M
│ ├── 14-爬虫（1）.mp4 33.21M
│ ├── 15-爬虫（2）.mp4 76.67M
│ ├── 16-爬虫（3）.mp4 63.92M
│ ├── 17-爬虫（4）.mp4 66.87M
│ ├── 18-字符串处理.mp4 50.68M
│ ├── 19.dotenv使用.mp4 31.34M
│ └── 20.FastAPI的使用.mp4 59.62M
├── AI大模型全栈会员专享系列讲座（赠）
│ ├── 1.AI编程
│ │ └── 1. 【何少甫】网易 CodeWave 智能开发平台的 AI 实践.mp4 1049.39M
│ ├── 2.RAG
│ │ ├── 1. 【翼飞】阿里云百炼之RAG在企业场景的应用.mp4 881.84M
│ │ └── 2. 【刘海峰】ChatU.ai 企业落地经验.mp4 1684.08M
│ ├── 3.LangChain
│ │ └── 1. 【薛宏伟】LangChain 核心源码解读.mp4 2238.81M
│ ├── 4.手撕 AutoGPT
│ │ ├── 1. 【丛鑫、卢雅西】XAgent 原理、技术与应用.mp4 1735.75M
│ │ └── 2. 【林义章】MetaGPT 让每个人拥有专属智能体.mp4 1861.19M
│ ├── 5.Fine-tuning
│ │ ├── 1. 【张轩玮】我是如何训练百亿参数大模型 ChatYuan 的.mp4 1138.43M
│ │ ├── 2. 【施兴】如何用 Stable Diffusion 复现一个妙鸭.mp4 1946.61M
│ │ ├── 3. 【甘如饴】多模态大模型和代码大模型是怎样炼成的.mp4 1748.53M
│ │ ├── 4. 【神秘嘉宾】大模型时代的AI产品新挑战.mp4 1192.95M
│ │ ├── 5. 【可乐】百度智能云千帆行业实战&金融大模型应用探索与开发实践.mp4 1219.91M
│ │ ├── 6. 【麒汀】阿里云百炼之一站式模型微调训练实践.mp4 1384.17M
│ │ └── 7. 【罗璇】从RWKV看端侧大模型的发展.mp4 1185.39M
│ ├── 6.多模态
│ │ └── 1. 【吴桂林】数字分身应用及技术介绍.mp4 1342.54M
│ ├── 7.部署和交付
│ │ └── 1. 【David】智能算力那点事儿.mp4 1085.39M
│ └── 8.产品设计和运营
│ ├── 1. 【周玮】AI 落地实战应用——EDGE 过程总结和复盘.mp4 2233.22M
│ ├── 2. 【王乐】复盘 FoloToy AI 玩具的独立开发历程.mp4 1135.57M
│ ├── 3. 【汪源】GenAI的创新逻辑与趋势.mp4 1972.11M
│ └── 4. 【Frank Nee】中国产品如何出海.mp4 2286.77M
├── ai大模型正课
│ ├── 0、开班典礼.mp4 318.15M
│ ├── 1、AI大模型基本原理与deepseek使用.mp4 400.13M
│ ├── 2、Prompt工程：设计与优化.mp4 345.95M
│ ├── 3、Cursor编程-从入门到精通.mp4 344.70M
│ ├── 4、Cursor 可视化大屏搭建.mp4 294.73M
│ ├── 5、Embeddings和向量数据库.mp4 322.15M
│ ├── 6、RAG（Retrieval Augmented Generation）技术与应用.mp4 371.50M
│ ├── 7、RAG高级技术与最佳实践.mp4 407.65M
│ ├── 8、Text2SQL：自助式数据报表开发.mp4 398.10M
│ ├── 9、LangChain：多任务应用开发.mp4 400.06M
│ ├── 10、Function Calling与跨模型协作.mp4 377.94M
│ ├── 11、Agent智能体系统的设计与应用.mp4 361.94M
│ ├── 12、MCP应用与实战.mp4 337.00M
│ ├── 13、视觉大模型与视觉智能体.mp4 387.74M
│ ├── 14、视觉大模型与视觉智能体.mp4 271.36M
│ ├── 15、Fine-tuning技术与大模型优化.mp4 291.87M
│ ├── 16、Coze工作原理与应用实例.mp4 253.75M
│ └── 17、Coze插件开发实战.mp4 280.70M
├── AI大模型追新课
│ ├── 1、DeepSeek解析：技术演进、模型指南与产业应用.mp4 200.44M
│ └── 2、解析 Manus：多智能体技术的架构与未来.mp4 242.00M
└── 常用工具下载
└── OllamaSetup.exe 1001.01M
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
