九天菜菜-大模型与Agent开发实战 - 学霸搜网盘资源
- 08_LangGraph中State状态模式与LangSmith基础使用入门(1).ipynb
- 10_LangGraph 实现自治循环代理（ReAct）及事件流的应用.ipynb
- 05_OpenAI Assistant API 进阶应用.zip
- 07_LangGraph底层原理解析与基础应用入门.ipynb
- 12_LangGraph 中 Human-in-the-loop 应用实战.ipynb
- 13_LangGraph Multi-Agent Systems 开发实战.ipynb
- 09_单代理架构在 LangGraph 中构建复杂图的应用.ipynb
- 02_AI Agent应用类型及Function Calling开发实战.ipynb
- 01_大模型应用发展及Agent前沿技术趋势.ipynb
- 11_LangGrah 长短期记忆实现机制及检查点的使用.ipynb
- 16_MicroSoft AutoGen 代理对话与人机交互源码解析.ipynb
- 05_【Qwen2.5】Qwen2.5介绍与部署流程.ipynb
- 14_【Cursor】以调用QWQ推理大模型为例实现辅助编程.ipynb
- 02_【GLM4-9B-Chat】GLM4-9b部署&vLLM推理.ipynb
- 08_【Ollama】最新版本从入门到进阶攻略.ipynb
- 11_【Qwen2VL】多模态视觉识别模型参数介绍与部署.ipynb
- 09_【Marco-01】推理大模型参数介绍与本地部署.ipynb
- 12_【Llama.cpp】开源推理框架量化模型使用指南.ipynb
- 03_【Llama3.1】Llama 3.1介绍与部署流程.ipynb
- 10_【GLM-Edge-V】端侧多模态模型参数介绍与部署流程.ipynb
- Ch 3. LLama_factory&Lora微调Qwen2.5做NL2sql.ipynb
- Ch 2. LLama_Factory+LORA大模型微调.ipynb
- Ch 4. Window微调Qlora.ipynb
- Ch 5. PPO微调LLama-3.2.ipynb
- Ch 6. RHLF微调Qwen2.5.ipynb
- CH 1 论文.zip
- Ch 1. 大模型微调.ipynb
- Ch 8 PEFT&医疗领域模型微调实践.ipynb
- week_4_1_part_4_自定义RAG评估Pipeline-评估指标及评估流程实现.mp4
- week_2_1_part_1_本周开发任务说明.mp4
- week_3_1_part_4_yolox + orc 识别私有PDF语料的方案实践.mp4
- week_5_part_4_项目整体框架下实现基于Agent的问答流程代码实践.ts
- week_2_2_part_2_FastChat项目说明及Python多进程.mp4
- week_5_part_1_大模型融入推荐系统一种思路_1.MP4
- week_2_1_part_2_Naive RAG介绍及借助LangChain实现RAG流.mp4
- week_3_2_part_2_RAG评估框架-TruLens实践.mp4
- week_4_2_part_2_基于Serper实现系统架构下的联网实时检索功能.mp4
- week_5_part_5_Docker介绍及借助Docker打包部署完整项目的流程.mp4
- week_3_1_part_2_结合Faiss向量数据的RAG Indexing构建流程.mp4
- week_5_part_3_基于Langchain实现基于ReAct的代码实践及TOT提示.MP4
- week_4_2_part_1_Serper API联网检索数据预处理过程拆解.mp4
- week_3_1_part_3_百万量级的wiki公有语料构建方法实践.mp4
- week_2_1_part_3_RAG集成历史对话信息及SqlalChemy持久化存储的使.mp4
- week_1_2_part_2_Langchain应用框架整体介绍.mp4
- week_1_1_part_2_本地私有化部署glm4-9b-chat模型.mp4
- Ch 2.4 实战Qwen2.5微调.ts
- Ch 4.1 win&Qlora&qwen2.5_Qlora能节约多少内存.ts
- Ch 2.5 配置TensorBoard.ts
- Ch 5.1PPO&llama3.2_什么是PPO算法.ts
- Ch 4.2 Qlora核心概念.ts
- Ch 4.3如何在windows配置环境.ts
- Ch 3.2 llamafactory中如何使用和注册数据集.ts
- Ch 6.3 奖励模型原理.ts
- Ch 5.6 PPO源码解读.ts
- Ch 1.4 高效微调及范围.ts
- Ch 6.2 RLHF流程拆解与核心.ts
- Ch 3.4 数据验证&deepspeed微调.ts
- Ch 3.1 如何获取数据源及使用解析.ts
- Ch 6.1 RLHF&Qwen2.5,RLHF背景与意义.ts
- window系统微调QLORA.ts
- Ch 2.3 LLama_factory 安装部署及验证.ts
- DPO微调Qwen2.5.ts
- Ch 1.2 微调与其他技术的区别和关联.ts
- 【Gemini】06_API精细化控制生成之System Instruction.ts
- 【GPT4o】06_3步的 tool use基础讲解与【实战】社交媒体情绪数据分析.ts
- 【GPT4o】03_多轮对话历史及面向对象多轮对话机器人实战.ts
- 【Claude】01_了解Claude的所有特质.MP4
- 【Gemini】07_API精细化控制生成之generation_config与max_t.ts
- 【GPT4o】08_tool use 维基百科实时写作助手【实战】.ts
- 【GLMAssistantAPI】05_复刻AssistantAPI.ts
- 【Gemini】04_掌握原生generate_content函数多轮对话技巧.ts
- 【GPT4o】12_Streaming流式响应详解.ts
- 【GLM】03_大模型API调用的消息和构建多轮对话机器人.ts
- 【Claude】11_stream流式概念与使用方法讲解.ts
- 【GPT4o】15_风格微调（下）微调作业运行与应用评估.ts
- 【GPT4o】05_4o多模态图片的文本生成API调用详解.ts
- 【GLM】02_GLM模型API初次调用与响应解析.ts
- 【Claude】13_异步的API调用的讲解与实践.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
- 【Gemini】03_解锁 Gemini API-开启文本生成之旅.ts
- 【GPT】01_OPENAI的账号注册速通.ts
- 【GLM】07_tooluse下-两次api调用的tooluse.ts
- 【GPTo1】05_用o1蒸馏模型实战（上）.ts
- 【GLM】09_CogVideoX视频生成大模型.ts
- 【Gemini】10_API精细化控制生成结构化与Json参数.ts
- 【Claude】09_揭秘prompt Cache提示缓存：节省成本加快响应的绝技.ts
- 九天菜菜-大模型与Agent开发实战
- 在线大模型部署与调用-课件
- Agent开发实战-课件
- 6-直播回放篇
- 5-RAG项目实战企业篇
- 3-大模型微调实战
- PART4：DeepSeekV3 (5小节)
- 【OpenAI GPT 4o 系列】
- 【Claude 3.5 系列】
- 【Gemini 系列】
- 【提示工程】
- 06_OpenAI Assistant API 高阶应用 - 流式输出_20241010_175342
- 14_LangGraph 多代理与 GraphRAG 综合应用实战
- 15_MicroSoft AutoGen 开发框架基础入门
- 03_ReAct Agent 基础理论与项目实战
- 项目开发实战一：从零搭建多功能智能体 MateGen Pro（第一部分）
- 01_ChatGLM3-6B
- 加餐-前沿技术追更
扫码获取资源