LINUXDO_帖子随机数据库

练方法和调教技巧.mp4 │ └─赠品2【其他】Langchain大模型AI智能体开发 │ ├─10_10-提示词里模板中的模板解决复杂的聊天对话.mp4 │ ├─11_11-Langchain管道提示词模板应用.mp4 │ ├─12_12-Langchain缓存加速应用响应.mp4 │ ├─13_13-解析输出csv_时间_枚举内容.mp4 │ ├─14_14-Langchain输出JSON格式和修复大模型错误输出.mp4 │ ├─15_15-langchain解析大模型XML输出格式.mp4 │ ├─16_16-如何自定义大模型的输出解析器[.mp4 │ ├─17_17-RAG数据检索增强.mp4 │ ├─18_18-加载知识库文档与检索算法设置.mp4 │ ├─19_19-处理解析PDF文档为知识库.mp4 │ ├─1_01-认识Langchain.mp4 │ ├─20_20-HTML文本分割提炼网页知识点.mp4 │ ├─21_21-分割markdown_代码源码提炼知识库文档.mp4 │ ├─22_22-知识库文档生成多向量检索器实现精准检索.mp4 │ ├─23_23-让大模型生成检索语句进行精确查找.mp4 │ ├─24_24-大模型并行控制复杂流程.mp4 │ ├─25_25-大模型路由映射传递数据.mp4 │ ├─26_26-自定义链式配置的多种方式.mp4 │ ├─27_27-自定义流式生成器函数.mp4 │ ├─28_28-搭建第一个AI智能体.mp4 │ ├─29_29-给智能体添加记忆能力-.mp4 │ ├─2_02-chain的基本结构_提示_模型_输出解析器[.mp4 │ ├─30_30-智能体原理.mp4 │ ├─31_31-OpenAI智能体调用源码解析.mp4 │ ├─32_32-XML链式执行任务智能体搭建~.mp4 │ ├─33_33-JSON链式智能体任务执行~.mp4 │ ├─34_34-ReAct智能体搭建思路.mp4 │ ├─35_35-从零使用Langchain搭建适应不同大模型智能体.mp4 │ ├─36_36-自定义智能体记忆链创建[.mp4 │ ├─37_37-自主搭建超级搜索引擎Searxng服务器作为借口.mp4 │ ├─38_38-控制智能体限制执行.mp4 │ ├─39_39-AI大模型获取前沿论文知识.mp4 │ ├─3_03-langchain接入国内最强大模型chatglm4[.mp4 │ ├─40_40-AI调用Shell接管控制电脑.mp4 │ ├─41_41-AI根据问题生成代码并自主运行计算.mp4 │ ├─42_42-duckduckgo免费搜索引擎API应用1.mp4 │ ├─43_01-具有知识库的上下文感知AI销售助手架构.mp4 │ ├─44_02-引导销售链与销售智能体实现.mp4 │ ├─45_03-赛力斯问界汽车知识库问答链搭建.mp4 │ ├─46_04-多链分工合作协作实现AI销售助手.mp4 │ ├─47_01-Langgraph多智体协作框架1~.mp4 │ ├─48_02-Langgraph多分支处多任务并行处理.mp4 │ ├─49_03-循环图与多图协作处理系统复杂任务.mp4 │ ├─4_04-Langchain调用本地开源大模型ChatGLM3.mp4 │ ├─50_04-让智能体做GPT4都做不了的事情-讲段子Joke.mp4 │ ├─51_05-灵活应用工具的LangGraph智能体.mp4 │ ├─52_06-多智能体扮演明星玩综艺~.mp4 │ ├─5_05-Langchain接入开源大模型的类openai服务器.mp4 │ ├─6_06-Langchain提示词模块与历史对话.mp4 │ ├─7_07-不同案例选择器应用_长度选择器_相似度选择器_重叠选择器.mp4 │ ├─8_08-ChromaDB向量数据库进行问题思路匹配提高回答准确率.mp4 │ └─9_09-对话形式提示词工程.mp4 └─7.Coze课程更新20250517 ├─AI大模型教学视频 │ ├─AI大模型基础 │ │ ├─01-大模型的认知和核心原理-AI的介绍.mp4 │ │ ├─02-大模型的认知和核心原理-大模型的介绍.mp4 │ │ ├─03-大模型的认知和核心原理-大模型的趋势和挑战.mp4 │ │ ├─04-大模型的认知和核心原理-GPT概念讲解.mp4 │ │ ├─05-大模型的认知和核心原理-大模型的训练.mp4 │ │ ├─06-大模型的认知和核心原理-第一个案例.mp4 │ │ ├─07-大模型的认知和核心原理-Token的介绍.mp4 │ │ └─08-大模型的认知和核心原理-OpenAI中的角色.mp4 │ ├─Agent │ │ ├─1.【Agent】Agent基础与快速入门.mp4 │ │ ├─10.【Agent】RAG工作原理与技术架构深度剖析.mp4 │ │ ├─11.【Agent】LangGraph开发流程与技术原理深度剖析.mp4 │ │ ├─12.【Agent】基于LangGraph RAG开发智能客服系统.mp4 │ │ ├─13.【Agent】使用Conda配置智能客服项目Python环境.mp4 │ │ ├─14.【Agent】使用Streamlit创建Web应用实战.mp4 │ │ ├─15.【Agent】基于LangGraph开发企业级Agent应用.mp4 │ │ ├─16.【Agent】Agent架构之规划能力设计.mp4 │ │ ├─17.【Agent】Agent架构之长期记忆设计.mp4 │ │ ├─18.【Agent】Agent架构之执行能力设计.mp4 │ │ ├─19.【Agent】Agent架构之工具能力设计.mp4 │ │ ├─2.【Agent】Agent与其它AI协同的区别.mp4 │ │ ├─20.【Agent】大模型应用技术趋势与岗位招聘深度分析.mp4 │ │ ├─3.【Agent】Agent核心底层原理深度剖析.mp4 │ │ ├─4.【Agent】Agent企业级业务场景落地方案实践.mp4 │ │ ├─5.【Agent】实战构建Agent办公类应用工作报告.mp4 │ │ ├─7.【Agent】实战构建Agent生活类应用美食顾问.mp4 │ │ ├─8.【Agent】基于Coze快速构建Agent智能体.mp4 │ │ └─9.【Agent】实战构建Agent游戏类应用虚拟小镇.mp4 │ ├─HuggingFace │ │ ├─1.Hugging Face模型探索与下载.mp4 │ │ ├─10.模型微调训练中超长文本训练存在的问题.mp4 │ │ ├─11.下游任务模型设计.mp4 │ │ ├─12.如何更改模型配置信息，案例更改模型配置实现自定义新闻数据分类.mp4 │ │ ├─2.使用Hugging Face API调用模型.mp4 │ │ ├─3.Hugging Face核心组件Transformers、DATASETS、Tokenizer.mp4 │ │ ├─4.使用Tokenizer实现字符编码.mp4 │ │ ├─5.vocab字典操作.mp4 │ │ ├─6.模型微调的基本概念.mp4 │ │ ├─7.下游任务模型设计.mp4 │ │ ├─8.自定义模型训练与效果评估案例自定义下游任务实现中文评价分析模型的本地化训练与测试.mp4 │ │ └─9.如何更换数据与模型实现微博评论分析.mp4 │ ├─Langchain │ │ ├─1、什么叫预训练好的大模型.mp4 │ │ ├─2、大模型的局限性及解决方案.mp4 │ │ ├─3、rag外挂私有知识库.mp4 │ │ ├─4、Indexing.mp4 │ │ ├─5、检索和生成.mp4 │ │ ├─6、fine-tuning微调.mp4 │ │ ├─7、增量训练 pre trainging.mp4 │ │ └─8、function calling调用企业.mp4 │ ├─LlamaIndex │ │ ├─1.RAG Workflow工作流详解.mp4 │ │ ├─10.使用Streamlit创建Web应用实战.mp4 │ │ ├─11.程序员大模型学习最佳实践.mp4 │ │ ├─2. RAG VS Fine-Tuning模型微调.mp4 │ │ ├─3.大模型企业级业务场景落地方案实践.mp4 │ │ ├─4.使用conda配置知识库项目Python环境.mp4 │ │ ├─5.Sentence Transformer大模型详解.mp4 │ │ ├─6.Embedding文本向量化处理实战.mp4 │ │ ├─7.InternLM2 1.8B Qwen2.5_ 0.5B模型实战.mp4 │ │ ├─8.知识库模型问答测试与实际效果评估.mp4 │ │ └─9.使用Llamalndex创建知识库实战.mp4 │ ├─RAG │ │ ├─DeepSeek+RAG │ │ │ ├─1.为什么不直接使用网页版DeepSeek.MP4 │ │ │ ├─2.如何实现网页版DeepSeek不能实现的需求.MP4 │ │ │ ├─3.目标效果预览.MP4 │ │ │ ├─4.为什么要使用RAG技术 RAG和模型微调的区别.MP4 │ │ │ ├─5.什么是Embedding为什么需要Embedding模型”.MP4 │ │ │ ├─6.本地部署全流程.MP4 │ │ │ └─7.只想迅速搭建个人知识库，可以不本地部署吗.M

1 view07:19