龙哥《AI大模型应用开发-模型训练-RAG-Agent-AI项目实战-行业落地课》

AI大模型应用开发实战课程聚焦RAG、Agent等前沿技术，通过系统化的项目实战与模块化教学，全面覆盖模型训练、微调、部署及行业落地。课程不仅教授最新技术原理，还提供高效实践路径，助您快速掌握AI技术核心，赋能实际业务场景。

课程目录：

第一课、人工智能介绍：迭代路径，大模型进化树，技术分类

第一课、RAG技术原理与RAGFlow项目实操

第一课、Agent原理简介：planning、memory

第一课、大模型微调llama-factory环境准备

第二课、柏拉图表征假说与scalinglaw：KM缩放定律

第二课、微调数据集准备（SFT继续预训练，偏好优化）

第二课、NaiveRAG与langchain实践

第二课、提示词工程：软提示词，fewshot，COT TOT

第三课、AI开发环境（python、conda、vscode

第三课、高级RAG（一）层次索引，句子窗口，子查询，HyDE

第三课、微调过程lora微调与Qlora微调

第三课、Agent平台：国内外主流平台，Coze搭建智能客服

第四课、高级RAG（二）提示词压缩，融合，llamainde

第四课、模型评估（批量推理与自动评估benchmark）

第四课、Agent工具使用与functioncall：MR

第五课、模块化RAG（一）顺序模式，条件模式，分支模式

第五课、模型部署（模型合并导出与量化，本地部署）

第五课、Agent设计模式（一）：Fewshot，ReAct

第六课、模块化RAG（二）迭代，递归检索，FLARE，Toc

第六课、Agent设计模式（二）：REWOO，LLMComp

第七课、Embedding原理：word2vec、CBOW

第七课、Agent设计模式（三）：Reflexion，LAT

第八课、Embedding模型训练：llamaindex微调

第八课、Agent框架：SingleAgent，Multi

第九课、Embedding模型评估：MRR评测，MTEB评测

第九课、Langchain项目原理与实战

第十课、Rerank技术原理与实践（一）交叉编码与双编码

第十课、Langgraph项目原理与实战

第十一课、Rerank模型微调与实践（二）rankGPT

第十一课、Langgraph多Agent架构：协作多Age

第十二课、向量数据库简介与相似性测量：欧式距离，余弦相似度

第十二课、AutoGen项目原理与实战（一）：AutoGen

第十三课、相似性搜索算法：k-means，肘部法则

第十三课、AutoGen项目原理与实战（二）：代码执行，工具

第十四课、近似邻近算法与过滤向量：PQ量化，HNSW，LSH

第十四课、CrewAI项目原理与实战：Crew Task A

第十五课、向量数据库选型：专用向量数据库，传统数据库支持向量

第十六课、向量数据库代码示例：chroma与qdrant代码

第十七课、RAG评估：评估指标，RAGAs，TruLens

第十八课、RAG行业落地：实践心得，落地经验，业务场景