rk0627-九天菜菜大模型与Agent开发实战【VIP】

itkz

资源名称：rk0627-九天菜菜大模型与Agent开发实战【VIP】   ruik


——/九天菜菜大模型与Agent开发实战/
├──大模型与Agent开发实战【新课】  
|   ├──PART4：DeepSeekV3 5小节  
|   |   ├──【DeepSeekv3】1 整体架构与分布式基础概念.mp4  145.32M
|   |   ├──【DeepSeekv3】2 分布式嵌入层与投影层.mp4  154.55M
|   |   ├──【DeepSeekv3】3 MLA潜在注意力 1 从自回归掩码看KV缓存机制.mp4  99.34M
|   |   ├──【DeepSeekv3】4 MLA潜在注意力 2 针对KV缓存的改进.mp4  94.22M
|   |   └──【DeepSeekv3】5 DeepSeekMOE的MOE架构与创新.mp4  165.81M
|   ├──二，开源大模型部署调用  
|   |   ├──Cursor&Coder高效低代码开发办法.ts  90.15M
|   |   ├──Glm-Edge-v-5B模型介绍与本地部署.ts  35.57M
|   |   ├──Marco-o1模型介绍与本地部署.ts  224.78M
|   |   ├──Ollama最新版本保姆级指南.ts  185.78M
|   |   ├──Ollama最新版本启动多模态模型Llama3.2Vision全流程[Linux环境].ts  128.47M
|   |   ├──Qwen2--5Coder：32B基本介绍和测试.ts  196.80M
|   |   ├──Qwen2--5Coder本地部署使用全流程.ts  178.05M
|   |   ├──Qwen2VL多模态模型参数介绍&部署使用全流程.ts  96.15M
|   |   ├──【ChatGLM3-6B】01_Ubuntu双系统安装.MP4  199.67M
|   |   ├──【ChatGLM3-6B】02_Ubuntu环境下ChatGLM3-6b命令行安装办法.MP4  182.70M
|   |   ├──【ChatGLM3-6B】03_服务器环境下部署ChatGLM3-6b.ts  163.22M
|   |   ├──【ChatGLM3-6B】04_ChatGLM3-6b的多种启动方法.ts  99.69M
|   |   ├──【ChatGLM3-6B】05_AutoDL快速部署ChatGLM3-6b办法.ts  64.49M
|   |   ├──【ChatGLM3-6B】06_Git方法简洁下载ChatGLM3-6b.ts  62.11M
|   |   ├──【ChatGLM3-6B】07_以ChatGLM3-6b为例的大模型更新办法.ts  50.20M
|   |   ├──【ChatGLM3-6B】08_单机多卡启动大模型办法.ts  110.06M
|   |   ├──【ChatGLM3-6B】09_LoRA原理浅析.ts  160.74M
|   |   ├──【ChatGLM3-6B】10_LoRA微调实战训练.ts  142.19M
|   |   ├──【ChatGLM3-6B】11_DeepSpeed原理浅析.ts  141.66M
|   |   ├──【ChatGLM3-6B】12_PEFT高效微调原理浅析.ts  259.61M
|   |   ├──【ChatGLM3-6B】13_P-Tuning V2微调实战.ts  95.07M
|   |   ├──【ChatGLM3-6B】14_LangChian体系详解.ts  188.17M
|   |   ├──【ChatGLM3-6B】15_LangChain0.3安装部署与调用方法.ts  157.51M
|   |   ├──【Cursor】调用QWQ实现辅助编程--调用本地模型全流程.ts  70.06M
|   |   ├──【Cursor】在Windows环境下调用QWQ线上API实现辅助编程方法.ts  31.56M
|   |   ├──【GLM4-9B】01_模型基本介绍.ts  53.53M
|   |   ├──【GLM4-9B】02_安装部署流程展示.ts  87.73M
|   |   ├──【GLM4-9B】03_多种启动方式流程展示.ts  115.54M
|   |   ├──【GLM4-9B】04_vLLM介绍和部署应用.ts  167.28M
|   |   ├──【GLM4-9B】05_WSL部署流程.ts  55.51M
|   |   ├──【GLM4-Voice】01_模型基本介绍.ts  105.80M
|   |   ├──【GLM4-Voice】02_多模态与AGI技术展望.ts  75.44M
|   |   ├──【GLM4-Voice】03_本地化部署流程.ts  108.19M
|   |   ├──【GLM4-Voice】04_线上部署流程.ts  100.82M
|   |   ├──【GLM4-Voice】05_开源大模型比拼-排行榜介绍.ts  121.60M
|   |   ├──【Llama.cpp】以Qwen2.5为例实现量化模型启动与API调用.ts  99.79M
|   |   ├──【Llama.cpp】以Qwen2VL为例实现GGUF模型量化与调用办法.ts  44.25M
|   |   ├──【Llama3.1】01_Llama家族系列模型生态介绍.ts  125.39M
|   |   ├──【Llama3.1】02_线上体验办法.ts  42.88M
|   |   ├──【Llama3.1】03_技术论文解读.ts  167.28M
|   |   ├──【Llama3.1】04_官网以及Ollama部署流程.ts  160.78M
|   |   ├──【Llama3.1】05_ModelScope线上部署.ts  92.32M
|   |   ├──【Llama3.1】06_ModelScope本地部署.ts  63.14M
|   |   ├──【Llama3.1】07_LlamaFactory中文能力微调实例.ts  172.41M
|   |   ├──【Llama3.2】01_基本介绍与线上测试办法.ts  64.71M
|   |   ├──【Llama3.2】02_官网下载流程.ts  62.30M
|   |   ├──【Llama3.2】03_Ollama在Linux和Windows部署方法.ts  48.99M
|   |   ├──【Qwen2.5Coder&Math】01_Coder介绍.ts  96.63M
|   |   ├──【Qwen2.5Coder&Math】02_Math介绍.ts  35.79M
|   |   ├──【Qwen2.5Coder&Math】03_Coder技术文章分析.ts  82.58M
|   |   ├──【Qwen2.5Coder&Math】04_Math技术文章分析.ts  22.71M
|   |   ├──【Qwen2.5Coder&Math】05_Math线上体验.ts  27.62M
|   |   ├──【Qwen2.5Coder&Math】06_Coder本地部署推理流程.ts  91.02M
|   |   ├──【Qwen2.5Coder&Math】07_vLLM推理Coder流程.ts  41.40M
|   |   ├──【Qwen2.5Coder&Math】08_Ollama推理Coder流程.ts  32.06M
|   |   ├──【Qwen2.5Coder&Math】09_线上部署推理Coder流程.ts  92.41M
|   |   ├──【Qwen2.5Coder&Math】10_Math部署流程.ts  13.88M
|   |   ├──【Qwen2.5】01_基本介绍与线上体验办法.ts  98.71M
|   |   ├──【Qwen2.5】02_ModelScope本地化部署流程.ts  82.59M
|   |   ├──【Qwen2.5】03_ModelScope线上部署办法.ts  41.25M
|   |   ├──【Qwen2.5】04_Ollama框架部署流程.ts  43.74M
|   |   ├──【Qwen2.5】05_在Windows系统中使用Ollama框架部署流程.ts  26.25M
|   |   ├──【Qwen2.5】06_vLLM部署与调用流程.ts  124.28M
|   |   └──在Windows环境下使用Ollama启动多模态模型llama3.2Vision全流程.ts  50.29M
|   ├──六，直播回放篇  
|   |   ├──加餐-前沿技术追更  
|   |   └──直播回放  
|   ├──三，大模型微调实战  
|   |   ├──Ch 1.1 通用模型发展与微调前景.ts  141.19M
|   |   ├──Ch 1.2 微调与其他技术的区别和关联.ts  102.06M
|   |   ├──Ch 1.3 微调步骤及技术栈.ts  89.86M
|   |   ├──Ch 1.4 高效微调及范围.ts  205.59M
|   |   ├──Ch 1.5 强化学习RHLF介绍.ts  80.90M
|   |   ├──Ch 1.6 主流微调框架.ts  81.72M
|   |   ├──Ch 2.1 Lora原理详解.ts  173.76M
|   |   ├──Ch 2.2 LLama_factory 介绍.ts  103.36M
|   |   ├──Ch 2.3 LLama_factory 安装部署及验证.ts  93.84M
|   |   ├──Ch 2.4 实战Qwen2.5微调.ts  141.37M
|   |   ├──Ch 2.5 配置TensorBoard.ts  85.33M
|   |   ├──Ch 3.1 如何获取数据源及使用解析.ts  170.86M
|   |   ├──Ch 3.2 llamafactory中如何使用和注册数据集.ts  215.15M
|   |   ├──Ch 3.3 模型微调及参数详解.ts  153.76M
|   |   ├──Ch 3.4 数据验证&deepspeed微调.ts  122.15M
|   |   ├──Ch 4.1 win&Qlora&qwen2.5_Qlora能节约多少内存.ts  79.00M
|   |   ├──Ch 4.2 Qlora核心概念.ts  105.96M
|   |   ├──Ch 4.3如何在windows配置环境.ts  129.25M
|   |   ├──Ch 4.4 Qlor微调实战与验证.ts  153.16M
|   |   ├──Ch 5.1PPO&llama3.2_什么是PPO算法.ts  78.47M
|   |   ├──Ch 5.2 如何理解PPO.ts  113.78M
|   |   ├──Ch 5.3 各个模型PPO算法的协作关系.ts  98.88M
|   |   ├──Ch 5.4 PPO模型与数据的选择.ts  122.65M
|   |   ├──Ch 5.5 PPO微调实操.ts  111.70M
|   |   ├──Ch 5.6 PPO源码解读.ts  113.74M
|   |   ├──Ch 6.1 RLHF&Qwen2.5,RLHF背景与意义.ts  93.20M
|   |   ├──Ch 6.2 RLHF流程拆解与核心.ts  169.38M
|   |   ├──Ch 6.3 奖励模型原理.ts  59.14M
|   |   ├──Ch 6.4 奖励模型训练流程.ts  137.38M
|   |   ├──Ch 6.5 RLHF全流程微调.ts  45.57M
|   |   ├──Ch 6.6 RLHF挑战与改进方向.ts  83.15M
|   |   ├──DPO微调Qwen2.5.ts  988.18M
|   |   ├──LLama_factory&Lora微调Qwen2.5做NL2sql.ts  2.45G
|   |   ├──LLama_Factory+LORA大模型微调.ts  2.42G
|   |   ├──PPO微调Llama-3.2.ts  2.62G
|   |   └──window系统微调QLORA.ts  1.92G
|   ├──四，大模型Agent开发实战  
|   |   ├──Ch 1.1 大模型应用发展与Agent前沿技术趋势.ts  162.81M
|   |   ├──Ch 1.2 大模型应用的本地知识库问答核心技术-RAG.ts  136.12M
|   |   ├──Ch 1.3 AI Agent爆发的根本原因.ts  133.13M
|   |   ├──Ch 1.4 AI Agent 经典核心架构与 AgentExcuter.ts  200.35M
|   |   ├──Ch 10.1 LangGraph中ReAct的构建原理.ts  157.60M
|   |   ├──Ch 10.2 案例实操：构建复杂工具应用的ReAct自治代理.ts  279.09M
|   |   ├──Ch 10.3 LangGraph中如何使用流式输出.ts  211.04M
|   |   ├──Ch 10.4 LangGraph中的事件流.ts  101.01M
|   |   ├──Ch 11.1 Agent长短期记忆认知.ts  123.01M
|   |   ├──Ch 11.2 LangGraph的短期记忆及Checkpointer检查点.ts  183.40M
|   |   ├──Ch 11.3 检查点的特定实现类型-MemorySaver.ts  153.12M
|   |   ├──Ch 11.4 检查点的特定实现类型-SqliteSaver.ts  172.70M
|   |   ├──Ch 11.5 长期记忆和Store（仓库）.ts  102.50M
|   |   ├──Ch 12.1 LangGraph知识点概述总结.ts  106.26M
|   |   ├──Ch 12.2 LangGraph中的HIL实现思路.ts  156.98M
|   |   ├──Ch 12.3 标准图结构中如何添加断点.ts  348.78M
|   |   ├──Ch 12.4 复杂代理架构中如何添加动态断点.ts  163.20M
|   |   ├──Ch 12.5 案例：具备人机交互的完整Agent信息管理系统.ts  346.26M
|   |   ├──Ch 13.1 Single-Agent 存在的局限.ts  181.72M
|   |   ├──Ch 13.2 Multi-Agent 架构分类及子图的通信模式 - 副本.ts  239.31M
|   |   ├──Ch 13.3 父、子图状态中无共同键的通信方式.ts  92.37M
|   |   ├──Ch 13.4 案例：基于网络架构实现智能BI数据分析多代理系统（上）.ts  163.06M
|   |   ├──Ch 13.5 案例：基于网络架构实现智能BI数据分析多代理系统（下）.ts  168.18M
|   |   ├──Ch 14.1 Supervisor 架构介绍与基本构建原理.ts  317.25M
|   |   ├──Ch 14.2 案例：基于 Supervisor 架构实现多代理系统.ts  170.45M
|   |   ├──Ch 14.3 GraphRAG 基本介绍与核心架构.ts  179.06M
|   |   ├──Ch 14.4 案例：Multi-Agent实现混合多知识库检索.ts  329.06M
|   |   ├──Ch 2.1 AI Agent与LLMs + RAG的本质区别.ts  73.06M
|   |   ├──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  192.01M
|   |   ├──Ch 2.3 Funcation Calling 完整生命周期细节复现.ts  222.80M
|   |   ├──Ch 2.4 实现具备Funcation Calling的智能电商客服.ts  88.18M
|   |   ├──Ch 2.5 Function Calling并行调用和多函数调用的应用方法.ts  129.57M
|   |   ├──Ch 2.6 加餐：OpenAI最新推出的结构化输出功能介绍.ts  43.58M
|   |   ├──Ch 3.1 Funcation Calling 与 AI Agent的本质区别.ts  63.25M
|   |   ├──Ch 3.2 提示工程到代理工程的平滑过度.ts  113.13M
|   |   ├──Ch 3.3 ReAct Agent框架的基础理论.ts  90.45M
|   |   ├──Ch 3.4 案例：从零复现ReAct Agent的完整流程.ts  297.49M
|   |   ├──Ch 3.5 项目：基于ReAct Agent构建电商智能客服_batch.ts  218.54M
|   |   ├──Ch 4.1 Assistant API 框架的整体介绍.ts  114.29M
|   |   ├──Ch 4.2 Assistant对象的创建方法.ts  198.82M
|   |   ├──Ch 4.3 Thread、Messges及Run应用方法.ts  72.51M
|   |   ├──Ch 4.4 Run运行时的状态转移机制.ts  119.49M
|   |   ├──Ch 4.5 实现Run状态的轮询方法，并实现Assistant API完整链路.ts  177.37M
|   |   ├──Ch 5.1 Assistant API 进阶应用方法介绍.ts  56.58M
|   |   ├──Ch 5.2 File Search内置工具说明及文件管理.ts  172.52M
|   |   ├──Ch 5.3 基于 Assistant API 创建在线私有知识库.ts  142.11M
|   |   ├──Ch 5.4 在Assistant和Thread定义File Search工具的四种策略.ts  178.35M
|   |   ├──Ch 5.5 如何处理Assistant API输出响应中的注释.ts  62.63M
|   |   ├

网盘链接开通VIP可见