- 大模型基础:理论与技术的演进
- LLMs大语言模型的概念定义
- LLMs大语言模型的发展演进
- LLMs大语言模型的生态体系
- 大语言模型技术发展与演进
- 基于统计机器学习的语言模型
- 基于深度神经网络的语言模型
- 基于Transformer的大语言模型
- LLMs大语言模型的关键技术
- LLMs大语言模型的核心框架:商业&开源
- LLMs大语言模型的行业应用
- 官方大模型DeepSeek应用
- DeepSeek办公提效
- 使用DeepSeek官方模型做推理任务
- DeepSeek和OpenAI O1模型的对比总结
- DeepSeek和国内其他大模型对比(智谱,通义,kimi等)
- DeepSeek和国外其他大模型对比(Claude Gemini Mistral等)
- DeepSeek-R1概述
- DeepSeek官网推理与App
- DeepSeek-R1训练论文
- 蒸馏小模型超越OpenAI O1-min
- DeepSeek-R1 API开发应用
- 通用基础与专业应用能力
- Prompt如何使用和进阶
- 什么是提示与提示工程
- 提示工程的巨大威力:从Let’s think step by step说起
- 拆解、标准化、流程化:如何用AI改造工作
- 使用BROKE框架设计ChatGPT提示
- 通过案例分析,展示如何使用大模型prompt技术辅助开发
- DeepSeek-V3大模型API
- DeepSeek-R1推理大模型API
- DeepSeek模型 & 价格
- DeepSeek模型参数Temperature设置
- DeepSeek模型Token用量计算
- DeepSeek模型错误码
- DeepSeek大模型多轮对话
- DeepSeek大模型JSON Output
- DeepSeek大模型Function Calling
- DeepSeek大模型上下文硬盘缓存
- 文本内容补全初探(Text Completion)
- 聊天机器人初探(Chat Completion)
- 基于DeepSeek开发智能翻译助手
- 案例分析
- OpenAI大模型API
- Claude大模型API
- Gemini大模型API
- 智谱大模型API介绍
- 应用程序开发概述
- 案例项目
- 大模型应用开发框架 LangChain
- LangChain是什么
- 为什么需要LangChain
- LangChain典型使用场景
- LangChain基础概念与模块化设计
- LangChain核心模块入门与实战
- LangChain的3个场景
- LangChain的6大模块
- LangChain的开发流程
- 创建基于LangChain聊天机器人
- 构建复杂LangChain应用
- LangChain模型(Models):从不同的LLM和嵌入模型中进行选择
- LangChain提示(Prompts):管理LLM输入
- LangChain链(Chains):将LLM与其他组件相结合
- LangChain索引(Indexs):访问外部数据
- LangChain记忆(Memory):记住以前的对话
- LangChain代理(Agents):访问其他工具
- 使用大模型构建文档问答系统
- RAG技术概述
- 加载器和分割器
- 文本嵌入和向量存储
- 检索器和多文档联合检索
- RAG技术的关键挑战
- 检索增强生成实践
- RAG技术文档预处理过程
- RAG技术文档检索过程
- 何谓检索增强生成
- 提示工程、RAG与微调
- 从技术角度看检索部分的Pipeline
- 从用户角度看RAG流程
- RAG和Agent
- 通过Llamalndex的ReAct RAG Agent实现检索
- 获取并加载上市公司财报文件
- 将上市公司财报文件的数据转换为向量数据
- 构建查询引擎和工具
- 配置文本生成引擎大模型
- 创建Agent以查询信息
- 智能体的定义与特点
- 智能体与传统软件的关系
- 智能体与LLM的关系
- 从ChatGPT到智能体
- 智能体的五种能力
- 记忆、规划、工具、自主决策、推理
- 多智能体协作
- 企业级智能体应用与任务规划
- 智能体开发
- 通过LangChain中的ReAct框架实现自动定价
- LangChain ReAct框架
- LangChain中ReAct Agent的实现
- LangChain中的工具和工具包
- 通过create_react_agent创建Agent
- 深挖AgentExecutor的运行机制
- Plan-and-Solve策略的提出
- LangChain中的Plan-and-Execute Agent
- 通过Plan-and-Execute Agent实现物流管理
- 为Agent定义一系列进行自动库存调度的工具
- DeepSeek原理剖析
- DeepSeek系统软件优化
- DeepSeek训练成本
- DeepSeek V3模型参数
- DeepSeek MoE架构
- DeepSeek架构4方面优化
- DeepSeek R1论文解读
- DeepSeek R1的创新点剖析
- DeepSeek R1引发的创新思考
- DeepSeek云端部署
- DeepSeek和国产信创平台
- DeepSeek和国内云平台
- 利用Ollama私有化部署DeepSeek R1大模型
- 一键部署DeepSeek R1大模型
- DeepSeek R1私有化部署总结
- DeepSeek大模型微调
- 为何微调大模型
- 大模型先天缺陷
- 预训练成本高昂
- 垂直数据分布差异
- 提示推理成本限制
- DeepSeek大模型微调的三个阶段剖析
- DeepSeek大模型微调的两种方法剖析
|