今日分享：聚客-AI大模型开发第六期课程

相关截图：

课程内容：

├──1-开班典礼+环境搭建

│├──assets

││├──conda-1.png

││├──conda-2.png

││├──conda-3.png

││├──conda-4.png

││├──conda-5.png

││├──conda-6.png

││├──conda-7.png

││└──conda-8.png

│├──环境准备.assets

││├──conda-1.png

││├──conda-2.png

││├──conda-3.png

││├──conda-5.png

││├──conda-6.png

││├──conda-7.png

││└──conda-8.png

│├──1-开班典礼+环境搭建.mp4

│└──环境准备.md

├──2-人工神经网络结构及原理

│├──day02-人工神经网络结构及原理

││├──demo_02

│││├──test01.py

│││├──test02.py

│││├──test03.py

│││├──test04.py

│││├──test05.py

│││├──test06.py

│││├──test07.py

│││├──test08.py

│││└──test09.py

││├──课堂笔记

│││├──demo-overview.gif

│││├──分类任务.png

│││├──建模过程.png

│││└──前向计算与反向传播.png

││└──人工神经网络结构原理.pdf

│└──2-人工神经网络结构及原理.mp4

├──3-RAG技术与应用

│├──3_RAG技术与应用

││├──assets

│││├──1.png

│││├──2.png

│││├──3.jpg

│││├──4.png

│││├──5.png

│││└──6.png

││├──vector_db

│││├──index.faiss

│││├──index.pkl

│││└──page_info.pkl

││├──index.ipynb

││└──浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf

│└──3-RAG技术与应用.mp4

├──4-基于BERT模型的自定义微调训练

│├──day04-基于BERT模型的自定义微调训练

││├──demo_04

│││├──.idea

│││├──data

│││├──model

│││├──params

│││├──__pycache__

│││├──data_test.py

│││├──MyData.py

│││├──net.py

│││├──token_test.py

│││└──train_val.py

││├──课堂笔记

│││├──AI项目开发流程.png

│││└──课堂笔记.png

││├──【课件】基于BERT的中文评价情感分析（训练篇）.pdf

││└──【资料】Hugging Face模型微调训练（基于BERT的中文评价情感分析）.pdf

│└──4-基于BERT模型的自定义微调训练.mp4

├──5-Ragas评估与LlamaIndex开发

│├──5-Ragas评估与LlamaIndex开发.mp4

│└──5_LlamaIndex知识管理与信息检索.zip

├──6-GPT2中文生成模型定制化微调训练

│├──demo_04

││├──data

│││└──chinese_poems.txt

││├──example

│││├──test01.py

│││├──test02.py

│││├──test03.py

│││├──test04.py

│││└──test05.py

││├──params

│││└──[空目录]

││├──data.py

││└──train.py

│├──课堂笔记

││└──GPT文本生成介绍.png

│├──6-GPT2中文生成模型定制化微调训练.mp4

│├──gpt2-chinese模型.zip

│└──【课件】GPT2-中文生成模型定制化（训练篇）.pdf

├──7-AI应用开发框架LangChain

│├──7_LangChain多任务应用开发

││├──.ipynb_checkpoints

│││├──example_prompt_template-checkpoint.txt

│││└──index-checkpoint.ipynb

││├──assets

│││├──data_connection.jpg

│││├──langchain.svg

│││└──model_io.jpg

││├──data

│││├──.ipynb_checkpoints

│││└──deepseek-v3-1-4.pdf

││├──example_prompt_template.txt

││├──index.ipynb

││└──memory.db

│└──7-AI应用开发框架LangChain.mp4

├──8-大模型微调-LLama Factor微调Qwen

│├──day08-大模型微调-LLama Factor微调Qwen

││├──data

│││├──fintech.json

│││├──identity.json

│││└──医疗数据集地址.txt

││├──课堂笔记

│││└──课堂笔记.png

││├──【课件】大模型微调（使用LLaMA-Factory微调Qwen）.pdf

││└──【资料】大模型微调-LLama Factor微调Qwen.pdf

│└──8-大模型微调-LLama Factor微调Qwen.mp4

└──9-Agent应用与工作流编排框架LangGraph

├──9_Agent应用与图状态编排框架LangGraph

│├──.ipynb_checkpoints

││└──index-checkpoint.ipynb

│├──AgenticRAG

││├──.ipynb_checkpoints

││├──assets

││└──index.ipynb

│├──assets

││└──1.jpg

│├──data

││├──.ipynb_checkpoints

││└──deepseek-v3-1-4.pdf

│└──index.ipynb

└──9-Agent应用与工作流编排框架LangGraph.mp4

├──10-LLamaFactory模型导出量化

│├──day10-LLamaFactory模型导出量化

││├──课堂笔记

│││└──课堂笔记.png

││├──【课件】LLaMA-Factory模型导出量化.pdf

││└──【资料】Ollama+open-webui部署模型.pdf

│└──10-LLamaFactory模型导出量化.mp4

├──11-MCP技术应用与开发

│├──11_MCP技术应用与开发

││├──.ipynb_checkpoints

│││└──index-checkpoint.ipynb

││├──assets

│││├──01.png

│││├──02.png

│││├──03.png

│││├──04.png

│││├──05.png

│││└──06.png

││├──chapter10-mcp.zip

││└──index.ipynb

│└──11-MCP技术应用与开发.mp4

├──12-LLamaFactory与Xtuner分布式微调大模型

│├──12-LLamaFactory与Xtuner分布式微调大模型.mp4

│└──day12-LLamaFactory与Xtuner分布式微调大模型.zip

├──12-项目3_基于MCP Sampling实现微博内容情感分析

│└──12-项目3_基于MCP Sampling实现微博内容情感分析.mp4

├──13-项目4_从零构建企业生产级Agent服务

│├──ReActAgents

││├──.idea

│││├──inspectionProfiles

│││├──.gitignore

│││├──encodings.xml

│││├──misc.xml

│││├──modules.xml

│││├──ReActAgents.iml

│││└──workspace.xml

││├──01_ReActAgentAmapMCPServer

│││├──amapMCPServer.py

│││├──graph.png

│││└──README.md

││├──02_ReActAgentHITL

│││├──01_reviewCustomToolCalls.py

│││├──02_reviewMCPToolCalls.py

│││├──03_reviewMixToolCalls.py

│││├──graph.png

│││└──README.md

││├──03_ReActAgentMemory

│││├──01_shortTermTest.py

│││├──02_longTermTest.py

│││├──docker-compose.yml

│││├──graph.png

│││├──img.png

│││└──README.md

││├──04_ReActAgentHITLApi

│││├──docker

│││├──docs

│││├──logfile

│││├──utils

│││├──01_backendServer.py

│││├──02_frontendServer.py

│││└──README.md

││├──05_ReActAgentHILApiMultiSession

│││├──docker

│││├──docs

│││├──utils

│││├──01_backendServer.py

│││├──02_frontendServer.py

│││└──README.md

││└──06_ReActAgentHILApiMultiSessionTask

││├──docker

││├──docs

││├──logfile

││├──utils

││├──__pycache__

││├──01_backendServer.py

││├──02_frontendServer.py

││├──README.md

││└──redisTest.py

│└──13-项目4_从零构建企业生产级Agent服务.mp4

├──14-大模型微调项目实战-数据工程篇

│├──day14-大模型微调项目实战-数据工程篇

││├──demo_14

│││├──.idea

│││├──embedding_model

│││├──style_chat_data.json

│││└──test01.py

││├──开源数据集

│││└──LCCC-base-split.zip

││├──课堂笔记

│││├──课堂笔记01.png

│││└──项目实现过程.png

││├──【课件】大模型微调项目实战（情绪对话模型-数据工程篇）.pdf

││└──【资料】情绪对话模型数据制作.pdf

│└──14-大模型微调项目实战-数据工程篇.mp4

├──16-大模型评估测试OpenCompass

│└──16-大模型评估测试OpenCompass.mp4

├──18-多模态大模型应用

│├──day18-多模态大模型应用

││├──课堂笔记

│││└──课堂笔记.png

││├──文生视频效果

│││└──output.mp4

││├──【课件】多模态（多模态大模型的概念与本地部署调用）.pdf

││└──【资料】多模态（多模态大模型的概念与本地部署调用）.pdf

│└──18-多模态大模型应用.mp4

├──20-RAG+微调实现智能专家系统（部署测试）

│├──day20-RAG+微调实现智能专家系统（部署测试）

││├──checkpoint-8900

│││├──adapter_config.json

│││├──adapter_model.safetensors

│││├──added_tokens.json

│││├──merges.txt

│││├──optimizer.pt

│││├──README.md

│││├──rng_state.pth

│││├──scheduler.pt

│││├──special_tokens_map.json

│││├──tokenizer.json

│││├──tokenizer_config.json

│││├──trainer_state.json

│││├──training_args.bin

│││└──vocab.json

││├──demo_20

│││├──chroma_db

│││├──data

│││├──storage

│││├──test01.py

│││├──test02.py

│││└──test03.py

││├──【资料】基于RAG的法律条文智能助手-实现与部署.pdf

││└──【资料】基于RAG的法律条文智能助手-微调与部署.pdf

│└──20-RAG+微调实现智能专家系统（部署测试）.ts