Autoplay
Autocomplete
Previous Lesson
Complete and Continue
大模型公开课（持续更新）
大模型公开课（持续更新）
移动端学习指南（Teachable App）
Agent Skills 原理与实战
一节讲透 Skill / Prompt / Tool / MCP 区别！Skill 体系+按需加载，让 Agent 不再“跑偏” (18:33)
Agent Skills 实战教程：如何让 Agent 按需加载知识？渐进式披露完整流程 (14:47)
Agno框架Agent实战：智能写作Skill实现指南，Agent与Skill打造高效AI写作助手 (7:39)
一节搞懂Agent Skill工作流，手把手实现一个数据分析Skill (9:31)
【会员专享】电商客服Agent实战：Skill(知识)+MCP(工具) 协作模式全流程｜多Skill动态选择+知识驱动工具调用
AI技术小课堂 核心知识归纳（持续更新）
企业级RAG为什么选ElasticSearch？“搜索引擎+向量检索”融合方案｜Docker一键部署ElasticSearch+Kibana (17:01)
前沿论文与最新技术趋势洞察
Qwen 3.5 为何爆火？ 从架构到应用：MoE、混合注意力、Agent 工作流一次讲透 (15:51)
VideoAuto-R1 多模态大模型视频理解加速｜GRPO 强化学习 + 置信度，实现动态推理与Early Exit，让视频推理又快又准 (35:10)
VideoAuto-R1 多模态视频部署实战｜ Gradio + FastAPI/Uvicorn API（Early Exit 按需推理） (14:03)
智谱GLM-TTS本地部署全流程：模型下载 + 推理跑通 + 多GPU批量生成 含音素控制 (25:47)
ThinkMorph 论文精讲 多模态交错思维链的三大涌现能力！跨模态推理的未来方向 Interleaved CoT 详解 (24:32)
MoonshotAI KIMI K2 Thinking 深度解析：从万亿MoE到智能体时代的架构革命 (26:36)
Soft Thinking原理 离散Token局限+连续概念空间+Cold Stop机制解析 (21:18)
Soft Thinking与CoT对比实验分析 LLM推理效率优化实战｜多路径推理+早停机制+参数配置全流程 (18:49)
微软首个多模态语言模型Phi-4 模型详解｜模型架构｜模型训练Pipeline (12:17)
微软多模态语言模型Phi-4 案例实战：8个Demo案例演示 (21:34)
月之暗面发布面向大模型的MoBA（混合块注意力）架构 结合MoE和稀疏注意力 算法原理详解 (18:56)
英伟达发布MM-Embed：融合文本和图像的跨模态信息检索新模型 (28:49)
北大发布多模态大模型LLaVA-o1（已更名为LLaVA-CoT）推理计算Scaling新思路 (21:55)
Google发表最新推理Scaling研究，从 DRAG 到 IterDRAG，大模型 RAG 性能更上一层楼 (33:30)
探索OpenAI o1模型系列：模型性能深度解析 (33:38)
阿里 AgentEvolver
阿里AgentEvolver：自提问×自导航×自归因，让 LLM Agent 高效“自进化” (9:29)
【会员专享】AgentEvolver 创新点 1：Self-Questioning 让智能体自己造训练集
【会员专享】AgentEvolver 创新点 2：Self-Navigating 经验驱动探索与隐式经验学习
【会员专享】AgentEvolver 创新点 3：Self-Attributing 把稀疏奖励变密集
【会员专享】AgentEvolver实战：AppWorld 环境 + GRPO 跑通「Agent自进化训练」全流程
AWorld 多智能体框架
AWorld 企业级 Multi-Agent 框架深度解析：多智能体协作 + MCP工具 + 强化学习训练 (23:35)
AWorld 框架快速入门：环境搭建到第一个AI助理实例 (5:45)
【会员专享】4大智能体案例实战：搜索+分析+工具+协作全流程 含源码解析
GAIA项目简介：用MCP工具生态打造Production-Ready多模态Agent (13:54)
GAIA项目实战：环境搭建 + WebUI/CLI 双模式联调（含Playwright/E2B） (15:19)
微软Agent Lightning 理论与实战
微软Agent Lightning框架概览 (2:16)
统一数据接口：让AI Agent执行与强化学习训练无缝衔接 (6:54)
马尔可夫决策过程(MDP)详解：AI Agent与RL训练的理论基石 (8:22)
LightningRL详解：将多轮Agent训练转化为单轮RL任务 (8:18)
RL训练与Agent执行分离：AI Agent优化的新范式 (8:39)
Agent Lightning分布式训练架构设计模式 (7:17)
四个典型AI Agent案例：Calc-X数学、Spider SQL、APO提示优化、RAG检索增强 (4:11)
【会员专享】SQL Agent实战 Agent Lightning 项目：LangChain + LangGraph + 强化学习
智能计算Agent项目概述｜AutoGen + MCP + 强化学习 + Qwen大模型 (6:58)
【会员专享】手把手教你搭建智能计算Agent｜从环境配置到模型推理一步到位｜强化学习算法+全流程实操
【会员专享】RAG Agent RL实战指南（上）：数据准备、模型下载与知识库构建
【会员专享】RAG Agent RL实战指南（下）：从0到1部署检索服务，启动分布式强化学习训练
【会员专享】RAG Agent RL源码深度解析｜从数据到推理的源码级拆解与实现
【会员专享】APO实战 Agent-Lightning 提示词自动优化：智能会议室预订Agent
DeepSeek-OCR 算法解析与部署实战
DeepSeek OCR 2.0 快速解读 (4:58)
DeepSeek OCR 模型架构解析 (28:19)
DeepSeek-OCR 多模态模型部署与推理全流程：从环境配置到API服务上线 (22:23)
DeepSeek 大模型实战
实战-1：DeepSeek R1 + Ollama + OpenWebUI本地RAG实战 (17:01)
实战-2（上）入门版：基于Langchain+Faiss+Ollama+Gradio+Docker 从0到1实现RAG私有化部署 简易版实现 (10:04)
实战-2（下）进阶版：整合DeepSeek R1 、Ollama、FAISS、Gradio 和 Docker 搭建智能问答系统 (17:59)
实战-3：基于unsloth微调框架与LoRA以及CoT问答数据集 DeepSeek R1大模型微调与推理全流程实战 (20:17)
实战-5：原创项目 基于PyTorch QLoRA PEFT vLLM 实现R1蒸馏版大模型微调与部署 单卡/多卡两种方法 (17:24)
实战-5 原创项目 源码讲解与实现思路 (23:57)
Dify 大模型应用平台
Dify大模型应用平台深度解析 全面拆解架构、核心原理与功能机制 (26:33)
Dify本地部署全流程｜Docker安装+源码构建两种方式 (16:05)
阿里多模态VRAG-RL 原理与实战
VRAG-RL研究背景详解 (7:14)
VRAG-RL方法论全拆解：多专家采样 × 细粒度奖励 (24:19)
VRAG项目全流程解析：构建视觉增强问答系统（Agent+RAG+Qwen2.5） (18:59)
【会员专享】从零构建自定义多模态VRAG Agent助手｜ColQwen2 嵌入+FastAPI 部署+Streamlit 可视化 全流程实战
【会员专享】本地知识库+开源框架(Ollama/Qwen/LlamaIndex)实战教程｜多模态RAG检索增强生成 训练数据集构建全流程
【会员专享】强化学习实战 VRAG-RL全流程：基于Qwen2.5-VL和GRPO实现强化学习在多模态RAG中的应用
【会员专享】VRAG项目架构全解析 多模态RAG与强化学习智能体的系统设计与实现
【会员专享】VRAG-RL核心源码精讲｜多模态检索增强生成与多步推理实现原理｜从0到1构建多模态视觉RAG Agent系统 (LlamaIndex/Ollama)
清华UltraRAG 原理与实战
UltraRAG 2.0 深度剖析 科研级RAG系统新范式：MCP 架构+YAML声明式编程 (13:36)
【会员专享】UltraRAG快速入门实战 从环境搭建到完整RAG Pipeline | 本地LLM+MCP架构+YAML编程
【会员专享】原创案例 Agentic RAG智能学术助手完整流程拆解 包含核心代码讲解
RLT 教师强化学习 理论与实战
RLT教师强化学习 概念框架与训练逻辑 (17:33)
RLT稠密奖励机制深度分析 (17:47)
RLT项目实战：奖励模型+偏好优化全流程解析（SFT+GRPO） (20:39)
Qwen3 Embedding 原理与实战
Qwen3 Embedding 模型详解 (22:14)
Qwen3 Embedding+Reranker 本地推理与部署实战 (23:01)
Qwen3 Embedding实战 高效知识库检索系统Demo (15:24)
Qwen3 Embedding 模型微调教程（含LoRA与全参训练） (11:42)
Qwen3 Reranker 模型微调教程（LoRA高效微调+DeepSpeed训练加速） (7:00)
Agentic RAG 原理与实战
课程简介及RAG背景概述｜LLM面临的挑战｜RAG的作用｜LLM与RAG比较 (7:57)
RAG原理详解：如何用检索增强生成技术提升大模型问答能力｜原理+挑战+解决方案全解析 (9:26)
Agentic RAG原理详解：智能体驱动的检索增强新范式｜大模型+智能体融合应用 (6:36)
Agent核心架构全解：四大设计模式＋五类工作流机制 (9:27)
Agentic RAG架构全解析：7种典型系统设计与实战应用 (11:16)
原创案例 基于 Qwen3 + langchain + ollama + Faiss + agno 搭建完整RAG系统 (24:25)
源码解析 原创案例 Agentic RAG 本地智能问答系统 项目实现思路及核心源码讲解 (21:17)
MCP 模型上下文协议 多场景应用实战
理论部分：MCP概述｜MCP解决的核心问题｜MCP技术架构与实现 (14:31)
理论部分：MCP的工作流程 基于 Cline + DeepSeek V3 + Cloudflare 演示 (16:13)
理论部分：MCP的关键优势｜MCP与API对比｜MCP的生态系统｜挑战与限制｜与现有解决方案的比较（附参考资料） (16:51)
实战：基于Claude和Cline进行MCP服务器配置 (16:19)
实战：MCP Inspector 调试 MCP Servers 的使用方法 (10:16)
实战：MCP Server 开发与应用 原创案例：待办事项助手 (16:53)
OpenAI Agents 多智能体框架
OpenAI Agents SDK 轻量级多智能体框架 项目概述｜核心模块｜主要特点｜应用场景 (17:21)
原创项目 天气查询助手Agent 基于Ollama获取开源模型服务 (15:51)
常用代理模式一：确定性流程 (12:07)
常用代理模式二：交接与路由模式 (14:17)
常用代理模式三：代理作为工具 (10:47)
常用代理模式四：LLM作为评判者 (11:42)
常用代理模式五：并行模式 (6:23)
原创案例 本地浏览器自动化检索 基于Ollama Playwright MLFlow (17:11)
原创案例 本地浏览器自动化检索 源码讲解 (16:02)
AI Agent LLM智能体轻量级开发框架 lagent 项目
AI Agent全景解析 + Lagent 框架简介 (21:28)
lagent 项目实战 案例一：基础对话模型调用 (32:14)
lagent 项目实战 案例二：fewshot 示例增强 (19:18)
lagent 项目实战 案例三：Agent驱动的Python代码执行器 (26:52)
lagent 项目实战 案例四：高德天气API集成 (26:48)
lagent 项目实战 案例五：高德位置搜索和导航 (15:28)
大模型LLM与RAG研究利器 FlashRAG
FlashRAG 项目简介 (8:00)
FlashRAG 核心组件原理精讲 (15:56)
FlashRAG 案例实践 快速入门 Demo (22:11)
FlashRAG 核心模块参数详细解析 (19:30)
FlashRAG 项目实战 基于Transformers和BM25构建密集索引和稀疏索引 (18:24)
FlashRAG 项目实战 论文实验流程复现 (33:44)
FlashRAG 案例实战 核心源码Debug深度剖析 (41:04)
LoRA大模型微调 原理与实战
LoRA 算法原理深入解析-上集 (21:24)
LoRA 算法原理深入解析-下集 (15:35)
LoRA 案例演示 LoRA的核心逻辑 (10:07)
基于 PEFT 进行 Llama3 模型微调实战 (18:30)
基于 GPT-2 进行 LoRA 微调实战-上集 (14:07)
基于 GPT-2 进行 LoRA 微调实战-下集 (10:42)
LoRA 核心算法实现 (14:50)
在 VS Code 中 Debug LoRA 微调细节 (15:13)
大模型Llama 原理与实战
Meta重磅发布Llama 3.2：推动轻量级AI模型与多模态模型的全面应用 (17:58)
Llama3 模型简介 (11:08)
Llama3 环境配置 基于vLLM推理 (17:08)
torchrun 推理与特殊标记的应用 (9:55)
使用 llama.cpp 进行 Llama3 模型的量化和部署 (16:31)
使用 Docker 部署 Llama3 量化模型API服务 (17:14)
基于 Llama-factory 和自定义数据集进行模型微调 (22:24)
基于 TensorRT-LLM 和 Triton 进行 Llama3 模型部署 (40:14)
Agno框架Agent实战：智能写作Skill实现指南，Agent与Skill打造高效AI写作助手
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock