简介├── 尚硅谷AI大模型之NLP教程【录播课】 │ ├── 4.视频 │ │ ├── 153-NLP-预训练模型-主流模型-GPT-模型结构.mp4 │ │ ├── 187-NLP-预训练模型-案例-带任务头的预训练模型.mp4 │ │ ├── 118-NLP-Transformer-模型结构-整体结构.mp4 │ │ ├── 029-NLP-传统序列模型-RNN-多层结构.mp4 │ │ ├─…
├── 尚硅谷AI大模型之NLP教程【录播课】
│ ├── 4.视频
│ │ ├── 153-NLP-预训练模型-主流模型-GPT-模型结构.mp4
│ │ ├── 187-NLP-预训练模型-案例-带任务头的预训练模型.mp4
│ │ ├── 118-NLP-Transformer-模型结构-整体结构.mp4
│ │ ├── 029-NLP-传统序列模型-RNN-多层结构.mp4
│ │ ├── 101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型.mp4
│ │ ├── 144-NLP-Transformer-案例-模型定义-位置编码-简易实现.mp4
│ │ ├── 062-NLP-传统序列模型-RNN-案例-代码改造说明.mp4
│ │ ├── 070-NLP-传统序列模型-LSTM-复杂结构.mp4
│ │ ├── 013-NLP-文本表示-分词-分词工具-jieba-自定义词典.mp4
│ │ ├── 064-NLP-传统序列模型-RNN-案例-Tokenizer-编码.mp4
│ │ ├── 033-NLP-传统序列模型-RNN-API-输入输出-概述.mp4
│ │ ├── 022-NLP-文本表示-词表示-语义化词向量-应用-概述.mp4
│ │ ├── 161-NLP-预训练模型-主流模型-T5-预训练&微调.mp4
│ │ ├── 063-NLP-传统序列模型-RNN-案例-Tokenizer-说明.mp4
│ │ ├── 060-NLP-传统序列模型-RNN-案例-评估脚本-说明.mp4
│ │ ├── 042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件.mp4
│ │ ├── 165-NLP-预训练模型-HF-模型使用.mp4
│ │ ├── 120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量.mp4
│ │ ├── 093-NLP-Seq2Seq-模型结构-案例实操-需求分析.mp4
│ │ ├── 131-NLP-Transformer-模型结构-解码器-Mask-Attention.mp4
│ │ ├── 172-NLP-预训练模型-HF-Datasets-加载在线数据集.mp4
│ │ ├── 096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建.mp4
│ │ ├── 138-NLP-Transformer-API-nn.Transformer-构造参数.mp4
│ │ ├── 012-NLP-文本表示-分词-分词工具-jieba-分词模式-API.mp4
│ │ ├── 073-NLP-传统序列模型-LSTM-案例-概述&思路分析.mp4
│ │ ├── 045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表.mp4
│ │ ├── 139-NLP-Transformer-API-nn.Transformer-forward方法-概述.mp4
│ │ ├── 056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型.mp4
│ │ ├── 154-NLP-预训练模型-主流模型-GPT-预训练.mp4
│ │ ├── 072-NLP-传统序列模型-LSTM-API-输入输出.mp4
│ │ ├── 054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑.mp4
│ │ ├── 124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述.mp4
│ │ ├── 015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述.mp4
│ │ ├── 048-NLP-传统序列模型-RNN-案例-数据集-说明.mp4
│ │ ├── 004-NLP-导论-技术演进历史.mp4
│ │ ├── 148-NLP-Transformer-案例-预测&评估脚本.mp4
│ │ ├── 083-NLP-传统序列模型-GRU-基础结构.mp4
│ │ ├── 081-NLP-传统序列模型-LSTM-案例-模型评估.mp4
│ │ ├── 157-NLP-预训练模型-主流模型-BERT-模型结构.mp4
│ │ ├── 005-NLP-环境准备.mp4
│ │ ├── 141-NLP-Transformer-API-nn.Transformer-encoder&decoder.mp4
│ │ ├── 121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程.mp4
│ │ ├── 107-NLP-Seq2Seq-总结.mp4
│ │ ├── 122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力.mp4
│ │ ├── 090-NLP-Seq2Seq-模型结构-训练机制.mp4
│ │ ├── 127-NLP-Transformer-模型结构-编码器-位置编码.mp4
│ │ ├── 095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer.mp4
│ │ ├── 176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下.mp4
│ │ ├── 066-NLP-传统序列模型-RNN-存在问题-分析.mp4
│ │ ├── 059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下.mp4
│ │ ├── 183-NLP-预训练模型-案例-模型训练.mp4
│ │ ├── 058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上.mp4
│ │ ├── 047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集.mp4
│ │ ├── 113-NLP-Attention机制-案例-注意力机制-实现思路.mp4
│ │ ├── 174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集.mp4
│ │ ├── 086-NLP-传统序列模型-LSTM_GRU_RNN横向对比.mp4
│ │ ├── 003-NLP-导论-常见任务.mp4
│ │ ├── 137-NLP-Transformer-API-概述.mp4
│ │ ├── 134-NLP-Transformer-实现细节-注意力为什么需要缩放.mp4
│ │ ├── 077-NLP-传统序列模型-LSTM-案例-数据集.mp4
│ │ ├── 102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码.mp4
│ │ ├── 053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环.mp4
│ │ ├── 175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上.mp4
│ │ ├── 089-NLP-Seq2Seq-模型结构-解码器.mp4
│ │ ├── 110-NLP-Attention机制-工作原理-具体步骤.mp4
│ │ ├── 079-NLP-传统序列模型-LSTM-案例-模型训练.mp4
│ │ ├── 143-NLP-Transformer-案例-模型定义-基础结构.mp4
│ │ ├── 119-NLP-Transformer-模型结构-编码器-概述.mp4
│ │ ├── 129-NLP-Transformer-模型结构-编码器-小结.mp4
│ │ ├── 109-NLP-Attention机制-工作原理-概述.mp4
│ │ ├── 156-NLP-预训练模型-主流模型-BERT-概述.mp4
│ │ ├── 180-NLP-预训练模型-案例-数据预处理-下.mp4
│ │ ├── 136-NLP-Transformer-模型训练和推理机制.mp4
│ │ ├── 007-NLP-文本表示-分词-英文分词.mp4
│ │ ├── 092-NLP-Seq2Seq-模型结构-案例实操-概述.mp4
│ │ ├── 071-NLP-传统序列模型-LSTM-API-构造参数.mp4
│ │ ├── 032-NLP-传统序列模型-RNN-API-构造参数.mp4
│ │ ├── 065-NLP-传统序列模型-RNN-存在问题-概述.mp4
│ │ ├── 150-NLP-预训练模型-概述.mp4
│ │ ├── 037-NLP-传统序列模型-案例-概述.mp4
│ │ ├── 026-NLP-传统序列模型-RNN-概述.mp4
│ │ ├── 111-NLP-Attention机制-注意力评分函数.mp4
│ │ ├── 076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下.mp4
│ │ ├── 166-NLP-预训练模型-HF-Tokenizer-加载.mp4
│ │ ├── 186-NLP-预训练模型-案例-测试.mp4
│ │ ├── 151-NLP-预训练模型-分类.mp4
│ │ ├── 105-NLP-Seq2Seq-案例-评估脚本-bleu说明.mp4
│ │ ├── 061-NLP-传统序列模型-RNN-案例-评估脚本-编码.mp4
│ │ ├── 167-NLP-预训练模型-HF-Tokenizer-使用.mp4
│ │ ├── 181-NLP-预训练模型-案例-Dataloader.mp4
│ │ ├── 044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理.mp4
│ │ ├── 130-NLP-Transformer-模型结构-解码器-概述.mp4
│ │ ├── 094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件.mp4
│ │ ├── 067-NLP-传统序列模型-LSTM-概述.mp4
│ │ ├── 034-NLP-传统序列模型-RNN-API-输入输出-含义.mp4
│ │ ├── 114-NLP-Attention机制-案例-注意力机制-编码.mp4
│ │ ├── 018-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-说明.mp4
│ │ ├── 024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题.mp4
│ │ ├── 169-NLP-预训练模型-HF-Datasets-概述.mp4
│ │ ├── 050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法.mp4
│ │ ├── 170-NLP-预训练模型-HF-Datasets-加载数据集.mp4
│ │ ├── 087-NLP-Seq2Seq-概述.mp4
│ │ ├── 168-NLP-预训练模型-HF-Tokenizer-模型配合使用.mp4
│ │ ├── 052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备.mp4
│ │ ├── 001-NLP-课程简介.mp4
│ │ ├── 038-NLP-传统序列模型-案例-思路分析-数据集说明.mp4
│ │ ├── 016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram.mp4
│ │ ├── 009-NLP-文本表示-分词-中文分词.mp4
│ │ ├── 027-NLP-传统序列模型-RNN-基础结构.mp4
│ │ ├── 019-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-编码.mp4
│ │ ├── 178-NLP-预训练模型-HF-Datasets-集成Dataloader.mp4
│ │ ├── 069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸.mp4
│ │ ├── 028-NLP-传统序列模型-RNN-示意图.mp4
│ │ ├── 017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW.mp4
│ │ ├── 171-NLP-预训练模型-HF-Datasets-查看数据集.mp4
│ │ ├── 163-NLP-预训练模型-HF-模型加载-AutoModel.mp4
│ │ ├── 014-NLP-文本表示-词表示-one-hot&语义化词向量-概述.mp4
│ │ ├── 039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路.mp4
│ │ ├── 106-NLP-Seq2Seq-案例-评估脚本-编码.mp4
│ │ ├── 085-NLP-传统序列模型-GRU-案例实操.mp4
│ │ ├── 112-NLP-Attention机制-案例-代码升级改造思路.mp4
│ │ ├── 030-NLP-传统序列模型-RNN-双向结构.mp4
│ │ ├── 046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集.mp4
│ │ ├── 142-NLP-Transformer-案例-代码改造思路.mp4
│ │ ├── 075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上.mp4
│ │ ├── 158-NLP-预训练模型-主流模型-BERT-微调.mp4
│ │ ├── 002-NLP-课程概述.mp4
│ │ ├── 036-NLP-传统序列模型-RNN-API-小练习.mp4
│ │ ├── 115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改.mp4
│ │ ├── 082-NLP-传统序列模型-LSTM-存在问题.mp4
│ │ ├── 008-NLP-文本表示-分词-英文分词-BPE算法.mp4
│ │ ├── 140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出.mp4
│ │ ├── 125-NLP-Transformer-模型结构-编码器-残差连接-说明.mp4
│ │ ├── 185-NLP-预训练模型-案例-模型评估.mp4
│ │ ├── 128-NLP-Transformer-模型结构-编码器-说明.mp4
│ │ ├── 084-NLP-传统序列模型-GRU-复杂结构&API使用说明.mp4
│ │ ├── 182-NLP-预训练模型-案例-模型定义.mp4
│ │ ├── 080-NLP-传统序列模型-LSTM-案例-模型预测.mp4
│ │ ├── 135-NLP-Transformer-实现细节-注意力如何感知相对位置.mp4
│ │ ├── 159-NLP-预训练模型-主流模型-BERT-预训练.mp4
│ │ ├── 149-NLP-Transformer-哈佛版本-核心源码解读.mp4
│ │ ├── 152-NLP-预训练模型-主流模型-GPT-概述.mp4
│ │ ├── 100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器.mp4
│ │ ├── 031-NLP-传统序列模型-RNN-多层+双向结构.mp4
│ │ ├── 049-NLP-传统序列模型-RNN-案例-数据集-编码.mp4
│ │ ├── 023-NLP-文本表示-词表示-语义化词向量-应用-编码.mp4
│ │ ├── 108-NLP-Attention机制-概述.mp4
│ │ ├── 160-NLP-预训练模型-主流模型-T5-概述&模型结构.mp4
│ │ ├── 116-NLP-Transformer-概述.mp4
│ │ ├── 164-NLP-预训练模型-HF-模型加载-AutoModelForXXX.mp4
│ │ ├── 011-NLP-文本表示-分词-分词工具-jieba-分词模式.mp4
│ │ ├── 126-NLP-Transformer-模型结构-编码器-层归一化.mp4
│ │ ├── 051-NLP-传统序列模型-RNN-案例-模型定义-前向传播.mp4
│ │ ├── 123-NLP-Transformer-模型结构-编码器-前馈神经网络层.mp4
│ │ ├── 078-NLP-传统序列模型-LSTM-案例-模型定义.mp4
│ │ ├── 173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据.mp4
│ │ ├── 041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析.mp4
│ │ ├── 132-NLP-Transformer-模型结构-解码器-Cross-Attention.mp4
│ │ ├── 068-NLP-传统序列模型-LSTM-基础结构-说明.mp4
│ │ ├── 145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现.mp4
│ │ ├── 043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明.mp4
│ │ ├── 177-NLP-预训练模型-HF-Datasets-保存数据集.mp4
│ │ ├── 021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操.mp4
│ │ ├── 098-NLP-Seq2Seq-模型结构-案例实操-Dataloader.mp4
│ │ ├── 074-NLP-传统序列模型-LSTM-案例-数据处理-说明.mp4
│ │ ├── 006-NLP-文本表示-概述.mp4
│ │ ├── 133-NLP-Transformer-模型结构-解码器-小结.mp4
│ │ ├── 117-NLP-Transformer-核心思想.mp4
│ │ ├── 097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集.mp4
│ │ ├── 025-NLP-文本表示-词表示-上下文相关词向量.mp4
│ │ ├── 184-NLP-预训练模型-案例-模型推理.mp4
│ │ ├── 088-NLP-Seq2Seq-模型结构-编码器.mp4
│ │ ├── 146-NLP-Transformer-案例-模型定义-前向传播.mp4
│ │ ├── 162-NLP-预训练模型-HF-概述.mp4
│ │ ├── 104-NLP-Seq2Seq-案例-预测脚本.mp4
│ │ ├── 091-NLP-Seq2Seq-模型结构-推理机制.mp4
│ │ ├── 040-NLP-传统序列模型-RNN-案例-项目结构.mp4
│ │ ├── 179-NLP-预训练模型-案例-数据预处理-上.mp4
│ │ ├── 103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑.mp4
│ │ ├── 099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器.mp4
│ │ ├── 055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明.mp4
│ │ ├── 035-NLP-传统序列模型-RNN-API-输入输出-形状分析.mp4
│ │ ├── 020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述.mp4
│ │ ├── 057-NLP-传统序列模型-RNN-案例-预测脚本-说明.mp4
│ │ ├── 155-NLP-预训练模型-主流模型-GPT-微调.mp4
│ │ ├── 010-NLP-文本表示-分词-分词工具-概述.mp4
│ │ ├── 147-NLP-Transformer-案例-训练脚本.mp4
│ ├── 2.资料
│ │ ├── 2.数据集
│ │ │ ├── 3.中英短句数据集
│ │ │ │ ├── cmn.txt
│ │ │ ├── 1.评论数据集
│ │ │ │ ├── online_shopping_10_cats.csv
│ │ │ ├── 2.对话数据集
│ │ │ │ ├── synthesized_.jsonl
│ │ ├── 1.词向量
│ │ │ ├── sgns.weibo.word.bz2
│ │ ├── 3.预训练模型
│ │ │ ├── bert-base-chinese
│ │ │ │ ├── config.json
│ │ │ │ ├── model.safetensors
│ │ │ │ ├── vocab.txt
│ │ │ │ ├── tokenizer.json
│ │ │ │ ├── tokenizer_config.json
│ ├── 1.笔记
│ │ ├── 尚硅谷大模型技术之NLP1.0.3.docx
│ ├── 3.代码
│ │ ├── 代码.zip
│ ├── NLP课程简介.txt
├── 【注意】课程同步更新中！
├── 03-项目_掌柜问数
│ ├── 尚硅谷大模型项目之掌柜问数
│ │ ├── 1.笔记
│ │ │ ├── 尚硅谷大模型项目之掌柜问数.docx
│ │ ├── 2.资料
│ │ │ ├── node
│ │ │ │ ├── node-v22.22.0-x64.msi
│ │ │ ├── docker
│ │ │ │ ├── embedding
│ │ │ │ │ ├── bge-large-zh-v1.5
│ │ │ │ │ │ ├── 1_Pooling
│ │ │ │ │ │ │ ├── config.json
│ │ │ │ │ │ ├── .cache
│ │ │ │ │ │ │ ├── huggingface
│ │ │ │ │ │ │ │ ├── download
│ │ │ │ │ │ │ │ │ ├── 1_Pooling
│ │ │ │ │ │ │ │ │ │ ├── config.json.metadata
│ │ │ │ │ │ │ │ │ ├── pytorch_model.bin.metadata
│ │ │ │ │ │ │ │ │ ├── vocab.txt.metadata
│ │ │ │ │ │ │ │ │ ├── .gitattributes.metadata
│ │ │ │ │ │ │ │ │ ├── config_sentence_transformers.json.metadata
│ │ │ │ │ │ │ │ │ ├── special_tokens_map.json.metadata
│ │ │ │ │ │ │ │ │ ├── tokenizer.json.metadata
│ │ │ │ │ │ │ │ │ ├── tokenizer_config.json.metadata
│ │ │ │ │ │ │ │ │ ├── README.md.metadata
│ │ │ │ │ │ │ │ │ ├── config.json.metadata
│ │ │ │ │ │ │ │ │ ├── modules.json.metadata
│ │ │ │ │ │ │ │ │ ├── sentence_bert_config.json.metadata
│ │ │ │ │ │ │ │ ├── .gitignore
│ │ │ │ │ │ ├── sentence_bert_config.json
│ │ │ │ │ │ ├── README.md
│ │ │ │ │ │ ├── .gitattributes
│ │ │ │ │ │ ├── tokenizer_config.json
│ │ │ │ │ │ ├── config.json
│ │ │ │ │ │ ├── vocab.txt
│ │ │ │ │ │ ├── config_sentence_transformers.json
│ │ │ │ │ │ ├── tokenizer.json
│ │ │ │ │ │ ├── modules.json
│ │ │ │ │ │ ├── pytorch_model.bin
│ │ │ │ │ │ ├── special_tokens_map.json
│ │ │ │ ├── mysql
│ │ │ │ │ ├── dw.sql
│ │ │ │ │ ├── meta.sql
│ │ │ │ ├── elasticsearch
│ │ │ │ │ ├── plugins
│ │ │ │ │ │ ├── elasticsearch-analysis-ik-8.19.10.zip
│ │ │ │ │ ├── Dockerfile
│ │ │ │ ├── docker-compose.yaml
│ │ │ ├── prompts
│ │ │ │ ├── correct_sql.prompt
│ │ │ │ ├── extend_keywords_for_metric_recall.prompt
│ │ │ │ ├── generate_sql.prompt
│ │ │ │ ├── extend_keywords_for_column_recall.prompt
│ │ │ │ ├── filter_metric_info.prompt
│ │ │ │ ├── extend_keywords_for_value_recall.prompt
│ │ │ │ ├── filter_table_info.prompt
│ │ ├── 4.视频
│ │ │ ├── day_06（下午＋晚上）
│ │ │ │ ├── 14-掌柜问数-问数智能体-执行SQL.mp4
│ │ │ │ ├── 05-掌柜问数-问数智能体-合并召回信息-三.mp4
│ │ │ │ ├── 02-掌柜问数-问数智能体-召回字段取值.mp4
│ │ │ │ ├── 12-掌柜问数-问数智能体-校验SQL.mp4
│ │ │ │ ├── 16-掌柜问数-API接口-流式响应.mp4
│ │ │ │ ├── 08-掌柜问数-问数智能体-过滤表信息.mp4
│ │ │ │ ├── 10-掌柜问数-问数智能体-添加额外上下文.mp4
│ │ │ │ ├── 17-掌柜问数-API接口-SSE协议.mp4
│ │ │ │ ├── 09-掌柜问数-问数智能体-过滤指标信息.mp4
│ │ │ │ ├── data-agent.zip
│ │ │ │ ├── 06-掌柜问数-问数智能体-合并召回信息-四.mp4
│ │ │ │ ├── 03-掌柜问数-问数智能体-合并召回信息-一.mp4
│ │ │ │ ├── 13-掌柜问数-问数智能体-校正SQL.mp4
│ │ │ │ ├── 15-掌柜问数-API接口-需求说明.mp4
│ │ │ │ ├── 18-掌柜问数-API接口-声明周期事件.mp4
│ │ │ │ ├── 04-掌柜问数-问数智能体-合并召回信息-二.mp4
│ │ │ │ ├── 11-掌柜问数-问数智能体-生成SQL.mp4
│ │ │ │ ├── 07-掌柜问数-问数智能体-合并召回信息-五.mp4
│ │ │ │ ├── 01-掌柜问数-问数智能体-召回指标信息.mp4
│ │ │ ├── day_04
│ │ │ │ ├── 06-掌柜问数-元数据知识库-脚本参数解析.mp4
│ │ │ │ ├── 08-掌柜问数-元数据知识库-读取配置文件.mp4
│ │ │ │ ├── data-agent.zip
│ │ │ │ ├── 10-掌柜问数-元数据知识库-保存表信息和字段信息到数据库-上.mp4
│ │ │ │ ├── 05-掌柜问数-元数据知识库-脚本执行说明.mp4
│ │ │ │ ├── 01-掌柜问数-Docker环境问题.mp4
│ │ │ │ ├── 02-掌柜问数-基础设置-MySQLClient-完善.mp4
│ │ │ │ ├── 03-掌柜问数-基础设置-日志相关配置.mp4
│ │ │ │ ├── 09-掌柜问数-元数据知识库-代码分层梳理.mp4
│ │ │ │ ├── 07-掌柜问数-元数据知识库-代码分层说明.mp4
│ │ │ │ ├── 04-掌柜问数-元数据知识库-需求说明.mp4
│ │ │ ├── day_03
│ │ │ │ ├── 09-掌柜问数-基础设施-MySQLClient-编码.mp4
│ │ │ │ ├── 05-掌柜问数-基础设施-ESClient-编码.mp4
│ │ │ │ ├── 10-掌柜问数-基础设施-MySQLClient-参数配置.mp4
│ │ │ │ ├── 02-掌柜问数-基础设施-ESClient-基础概念.mp4
│ │ │ │ ├── 01-掌柜问数-基础设施-QdrantClients-异步.mp4
│ │ │ │ ├── 06-掌柜问数-基础设施-EmbeddingClient-概述.mp4
│ │ │ │ ├── data-agent.zip
│ │ │ │ ├── 03-掌柜问数-基础设施-ESClient-客户端概述.mp4
│ │ │ │ ├── 04-掌柜问数-基础设施-ESClient-快速入门.mp4
│ │ │ │ ├── 07-掌柜问数-基础设施-EmbeddingClient-编码.mp4
│ │ │ │ ├── 08-掌柜问数-基础设施-MySQLClient-快速入门.mp4
│ │ │ ├── day_02
│ │ │ │ ├── 07-掌柜问数-开发环境-启动所需服务.mp4
│ │ │ │ ├── 04-掌柜问数-开发环境-安装依赖.mp4
│ │ │ │ ├── 08-掌柜问数-基础设施-项目结构.mp4
│ │ │ │ ├── 03-掌柜问数-开发环境-UV使用说明.mp4
│ │ │ │ ├── 02-掌柜问数-开发环境-创建UV项目.mp4
│ │ │ │ ├── 11-掌柜问数-基础设施-Qdrant客户端.mp4
│ │ │ │ ├── 09-掌柜问数-基础设施-配置参数管理.mp4
│ │ │ │ ├── 06-掌柜问数-开发环境-Docker镜像使用说明.mp4
│ │ │ │ ├── 05-掌柜问数-开发环境-安装Docker.mp4
│ │ │ │ ├── 10-掌柜问数-基础设施-Qdrant快速入门.mp4
│ │ │ │ ├── 01-掌柜问数-课程回顾.mp4
│ │ │ ├── day_01
│ │ │ │ ├── 06-掌柜问数-项目架构-全文索引.mp4
│ │ │ │ ├── 04-掌柜问数-项目架构-元数据库.mp4
│ │ │ │ ├── 01-掌柜问数-项目概述.mp4
│ │ │ │ ├── 03-掌柜问数-项目架构.mp4
│ │ │ │ ├── 07-掌柜问数-项目架构-问数智能体.mp4
│ │ │ │ ├── 05-掌柜问数-项目架构-向量索引.mp4
│ │ │ │ ├── 02-掌柜问数-核心思想.mp4
│ │ │ ├── day_05（下午+晚上）
│ │ │ │ ├── 18-掌柜问数-问数智能体-召回字段信息-下.mp4
│ │ │ │ ├── 05-掌柜问数-元数据知识库-为字段信息建立向量索引-下.mp4
│ │ │ │ ├── 08-掌柜问数-元数据知识库-整理代码.mp4
│ │ │ │ ├── data-agent.zip
│ │ │ │ ├── 11-掌柜问数-元数据知识库-最终测试.mp4
│ │ │ │ ├── 09-掌柜问数-元数据知识库-保存指标信息到元数据库.mp4
│ │ │ │ ├── 04-掌柜问数-元数据知识库-为字段信息建立向量索引-中.mp4
│ │ │ │ ├── 06-掌柜问数-元数据知识库-为字段取值构建全文索引-上.mp4
│ │ │ │ ├── 16-掌柜问数-问数智能体-抽取关键词.mp4
│ │ │ │ ├── 12-掌柜问数-问数智能体-流程回顾.mp4
│ │ │ │ ├── 07-掌柜问数-元数据知识库-为字段取值构建全文索引-下.mp4
│ │ │ │ ├── 10-掌柜问数-元数据知识库-为指标信息建立向量索引.mp4
│ │ │ │ ├── 13-掌柜问数-问数智能体-langgraph基础回顾.mp4
│ │ │ │ ├── 03-掌柜问数-元数据知识库-为字段信息建立向量索引-上.mp4
│ │ │ │ ├── 14-掌柜问数-问数智能体-流程图搭建.mp4
│ │ │ │ ├── 17-掌柜问数-问数智能体-召回字段信息-上.mp4
│ │ │ │ ├── 01-掌柜问数-元数据知识库-保存表信息和字段信息到数据库-中.mp4
│ │ │ │ ├── 15-掌柜问数-问数智能体-流程图流式输出.mp4
│ │ │ │ ├── 02-掌柜问数-元数据知识库-保存表信息和字段信息到数据库-下.mp4
│ │ ├── 3.代码
│ │ │ ├── data-agent.zip
│ │ │ ├── data-agent-fronted.zip
├── 01-大模型概述_低代码智能体开发_企业级LM部署（宋老师）
│ ├── day02
│ │ ├── 课件
│ │ │ ├── 课件 v1.1.zip
│ │ ├── 视频
│ │ │ ├── 08-智能体的整体介绍_coze的界面功能介绍.mp4
│ │ │ ├── 01-关于RAG的说明.mp4
│ │ │ ├── 03-关于模型续训的说明.mp4
│ │ │ ├── 04-关于智能体的说明（含mcp、工作流）.mp4
│ │ │ ├── 05-RAG的基本执行流程.mp4
│ │ │ ├── 07-以Dify为例演示RAG知识库的使用.mp4
│ │ │ ├── 11-创建智能体3：家庭记账软件_Dify智能体创建的简单演示.mp4
│ │ │ ├── 09-创建智能体1：深夜情感主播.mp4
│ │ │ ├── 10-创建智能体2：大学百事通.mp4
│ │ │ ├── 02-关于模型微调的说明.mp4
│ │ │ ├── 06-以CherryStudio和ima为例，说明RAG知识库的使用.mp4
│ ├── day01
│ │ ├── 大模型概述
│ │ │ ├── 视频
│ │ │ │ ├── 04-大模型的分类.mp4
│ │ │ │ ├── 06-大模型的训练环节.mp4
│ │ │ │ ├── 10-提示词工程的几个要素.mp4
│ │ │ │ ├── 02-为什么会出现大模型.mp4
│ │ │ │ ├── 11-提示词的边界_注意点.mp4
│ │ │ │ ├── 01-整体课程介绍.mp4
│ │ │ │ ├── 09-工程化落地的整体流程.mp4
│ │ │ │ ├── 08-工程化的几个模块_如何访问大模型.mp4
│ │ │ │ ├── 07-大模型的推理环节_算力和算力的瓶颈.mp4
│ │ │ │ ├── 05-大模型的4个要素.mp4
│ │ │ │ ├── 03-大模型中的计量单位.mp4
│ │ │ ├── 课件
│ │ │ │ ├── images
│ │ │ │ │ ├── wps62.jpg
│ │ │ │ │ ├── wps16.jpg
│ │ │ │ │ ├── wps54.jpg
│ │ │ │ │ ├── wps66.jpg
│ │ │ │ │ ├── wps46.jpg
│ │ │ │ │ ├── image-20250811153814907.png
│ │ │ │ │ ├── image-20260110172355388.png
│ │ │ │ │ ├── wps3.jpg
│ │ │ │ │ ├── wps51.jpg
│ │ │ │ │ ├── wps65.jpg
│ │ │ │ │ ├── wps57.jpg
│ │ │ │ │ ├── wps44.jpg
│ │ │ │ │ ├── wps13.jpg
│ │ │ │ │ ├── wps33.jpg
│ │ │ │ │ ├── wps63.jpg
│ │ │ │ │ ├── wps37.jpg
│ │ │ │ │ ├── wps5.jpg
│ │ │ │ │ ├── wps24.jpg
│ │ │ │ │ ├── wps45.jpg
│ │ │ │ │ ├── wps38.jpg
│ │ │ │ │ ├── wps22.jpg
│ │ │ │ │ ├── langchain+chatglm.png
│ │ │ │ │ ├── wps42.jpg
│ │ │ │ │ ├── wps60.jpg
│ │ │ │ │ ├── wps79.jpg
│ │ │ │ │ ├── wps1.jpg
│ │ │ │ │ ├── wps23.jpg
│ │ │ │ │ ├── wps92.jpg
│ │ │ │ │ ├── wps19.jpg
│ │ │ │ │ ├── wps25.jpg
│ │ │ │ │ ├── wps70.jpg
│ │ │ │ │ ├── 7e7e123a4aa1ac37d9ee94c2ac0c7fa0.png
│ │ │ │ │ ├── wps61.jpg
│ │ │ │ │ ├── wps7.jpg
│ │ │ │ │ ├── wps47.jpg
│ │ │ │ │ ├── wps93.jpg
│ │ │ │ │ ├── wps14.jpg
│ │ │ │ │ ├── wps90.jpg
│ │ │ │ │ ├── wps94.jpg
│ │ │ │ │ ├── wps53.jpg
│ │ │ │ │ ├── wps20.jpg
│ │ │ │ │ ├── wps41.jpg
│ │ │ │ │ ├── wps8.jpg
│ │ │ │ │ ├── wps4.jpg
│ │ │ │ │ ├── wps74.jpg
│ │ │ │ │ ├── wps17.jpg
│ │ │ │ │ ├── wps81.jpg
│ │ │ │ │ ├── wps68.jpg
│ │ │ │ │ ├── wps28.jpg
│ │ │ │ │ ├── wps89.jpg
│ │ │ │ │ ├── wps48.jpg
│ │ │ │ │ ├── wps55.png
│ │ │ │ │ ├── wps72.jpg
│ │ │ │ │ ├── wps85.jpg
│ │ │ │ │ ├── wps11.jpg
│ │ │ │ │ ├── wps80.jpg
│ │ │ │ │ ├── wps82.jpg
│ │ │ │ │ ├── wps87.jpg
│ │ │ │ │ ├── wps86.jpg
│ │ │ │ │ ├── 对比-1.png
│ │ │ │ │ ├── wps83.jpg
│ │ │ │ │ ├── wps73.jpg
│ │ │ │ │ ├── wps75.jpg
│ │ │ │ │ ├── wps88.jpg
│ │ │ │ │ ├── wps12.jpg
│ │ │ │ │ ├── wps30.jpg
│ │ │ │ │ ├── wps40.jpg
│ │ │ │ │ ├── wps36.jpg
│ │ │ │ │ ├── wps21.jpg
│ │ │ │ │ ├── wps91.jpg
│ │ │ │ │ ├── wps76.jpg
│ │ │ │ │ ├── wps69.jpg
│ │ │ │ │ ├── wps77.jpg
│ │ │ │ │ ├── wps26.jpg
│ │ │ │ │ ├── image-20260111111747202.png
│ │ │ │ │ ├── wps58.jpg
│ │ │ │ │ ├── webp
│ │ │ │ │ ├── wps29.jpg
│ │ │ │ │ ├── nainailoudong.png
│ │ │ │ │ ├── wps27.jpg
│ │ │ │ │ ├── wps52.png
│ │ │ │ │ ├── wps32.jpg
│ │ │ │ │ ├── wps6.jpg
│ │ │ │ │ ├── wps64.jpg
│ │ │ │ │ ├── wps56.jpg
│ │ │ │ │ ├── wps67.jpg
│ │ │ │ │ ├── wps2.jpg
│ │ │ │ │ ├── wps34.jpg
│ │ │ │ │ ├── wps18.jpg
│ │ │ │ │ ├── RAG架构图.svg
│ │ │ │ │ ├── wps31.jpg
│ │ │ │ │ ├── wps15.jpg
│ │ │ │ │ ├── wps39.jpg
│ │ │ │ │ ├── wps49.jpg
│ │ │ │ │ ├── wps84.png
│ │ │ │ │ ├── wps9.jpg
│ │ │ │ │ ├── wps59.jpg
│ │ │ │ │ ├── image-202512122017357971.png
│ │ │ │ │ ├── wps78.jpg
│ │ │ │ │ ├── wps35.jpg
│ │ │ │ │ ├── wps10.jpg
│ │ │ │ │ ├── wps50.png
│ │ │ │ │ ├── wps71.jpg
│ │ │ │ │ ├── wps43.jpg
│ │ │ │ ├── 尚硅谷大模型技术之大模型概述V1.0.3.pdf
│ │ │ │ ├── 尚硅谷大模型技术之大模型概述V1.0.3.md
│ │ ├── 开课.pptx
│ ├── day03
│ │ ├── 课件
│ │ │ ├── 课件 v1.2.zip
│ │ ├── 视频
│ │ │ ├── 10-Coze案例：商品营销卖点提炼.mp4
│ │ │ ├── 08-Dify案例：客服对话记录分析.mp4
│ │ │ ├── 07-Coze案例：客服对话记录分析.mp4
│ │ │ ├── 04-大家几个问题的回复.mp4
│ │ │ ├── 03-coze案例：产品营销海报的生成.mp4
│ │ │ ├── 01-商户运营管家涉及到的几个项目的介绍.mp4
│ │ │ ├── 02-coze中如何导入现有的资源.mp4
│ │ │ ├── 09-Coze与Dify案例：商品评论分析.mp4
│ │ │ ├── 06-Dify案例：处理客户投诉助手.mp4
│ │ │ ├── 05-Dify案例：一键生成行业调研报告.mp4
│ ├── day04
│ │ ├── 视频
│ │ │ ├── 05-服务器配置的选择_Docker的安装.mp4
│ │ │ ├── 10-Dify平台接入Xinference的三种模型并演示使用.mp4
│ │ │ ├── 02-Python代码调用Dify平台的工作流.mp4
│ │ │ ├── 01-Python代码调用Coze平台的工作流.mp4
│ │ │ ├── 15-coze案例3之red_book_and_video_script工作流的搭建.mp4
│ │ │ ├── 12-coze案例3之set_product_name_and_desc工作流的搭建.mp4
│ │ │ ├── 14-coze案例3之selling2buying_point工作流的搭建.mp4
│ │ │ ├── 11-建议：相关资源的关闭.mp4
│ │ │ ├── 04-为什么要进行企业级大模型部署_部署方案.mp4
│ │ │ ├── 13-coze案例3之selling_point_generation工作流的搭建.mp4
│ │ │ ├── 16-小结.mp4
│ │ │ ├── 03-本地Ollama的部署说明.mp4
│ │ │ ├── 06-Dify的安装和部署.mp4
│ │ │ ├── 09-部署嵌入模型_部署重排序模型.mp4
│ │ │ ├── 08-AutoDL部署服务器_部署XInference_部署LLM.mp4
│ │ │ ├── 07-Dify平台部署在线大模型.mp4
│ │ ├── 软件
│ │ │ ├── Postman-win64-9.15.2-Setup.exe
│ │ │ ├── OllamaSetup.exe
│ │ │ ├── Xftp-8.0.0068p.exe
│ │ │ ├── Xshell-8.0.0084p.exe
│ │ │ ├── dify-0.15.5.tar.gz
│ │ ├── 资料
│ │ │ ├── 抖音编程文案-康师傅
│ │ │ │ ├── 剖析Java死不透的底层逻辑.docx
│ │ │ │ ├── AI的火爆，会不会让程序员大量失业.docx
│ │ │ │ ├── Python：非专业开发的首选语言？.docx
│ │ │ │ ├── 计科相关专业的哪些课程比较重要呢.docx
│ │ │ │ ├── 成为Java工程师，要掌握全栈、分布式、嵌入式和C++吗？.docx
│ │ │ │ ├── 什么人适合学习Go.docx
│ │ │ │ ├── 云计算运维：这其实算是俩方向.docx
│ │ │ │ ├── C语言到底要不要学？.docx
│ │ │ │ ├── 网络&信息安全：想说爱你不容易.docx
│ │ │ │ ├── 哪些人适合入手C++.docx
│ │ │ │ ├── 人工智能：看看2025年高薪机遇.docx
│ │ │ │ ├── 已经从事软件开发，要不要转投鸿蒙？.docx
│ │ │ │ ├── 想入行软件开发，不知道选啥语言？.docx
│ │ │ │ ├── Java转GO，是越走越窄，还是柳暗花明？.docx
│ │ │ │ ├── 听说Java入行要学很多技术栈，零基础，非科班，如何规划学习？.docx
│ │ │ ├── images
│ │ │ │ ├── 微信图片_20250207102910-1739761241988.jpg
│ │ │ │ ├── image-20250206184424695-1739761241989.png
│ │ │ │ ├── image-20250209221011557.png
│ │ │ │ ├── image-20250206193812804-1739761241989.png
│ │ │ │ ├── image-20250217110208418.png
│ │ │ │ ├── image-20250206213155992-1739761241989.png
│ │ │ │ ├── image-20250206230531270-1739761241989.png
│ │ │ │ ├── image-20250206183106671-1739761241989.png
│ │ │ │ ├── image-20250206230333296-1739761241989.png
│ │ │ │ ├── image-20250206181403088-1739761241989.png
│ │ │ │ ├── image-20250227213212851.png
│ │ │ │ ├── image-20250209220906003.png
│ │ │ │ ├── image-20250206221641679-1739761241989.png
│ │ │ │ ├── image-20250206230224080-1739761241989.png
│ │ │ │ ├── image-20250209220004774.png
│ │ │ │ ├── image-20250209215659709.png
│ │ │ │ ├── image-20250206165940036-1739761241989.png
│ │ │ │ ├── image-20250209221256181.png
│ │ │ │ ├── image-20250209221717706.png
│ │ │ │ ├── image-20250206230714785-1739761241989.png
│ │ │ │ ├── image-20250206225941910-1739761241989.png
│ │ │ │ ├── image-20250209220136729.png
│ │ │ │ ├── image-20250206194044430-1739761241989.png
│ │ │ │ ├── image-20250209221609371.png
│ │ │ │ ├── image-20250227213100127.png
│ │ │ │ ├── image-20250206181433602-1739761241989.png
│ │ │ │ ├── image-20250206225729572-1739761241989.png
│ │ │ │ ├── image-20250206230421597-1739761241989.png
│ │ │ │ ├── image-20250206193957536-1739761241989.png
│ │ │ │ ├── image-20250227213455972.png
│ │ │ │ ├── image-20250206231058477-1739761241989.png
│ │ │ │ ├── image-20250206204925604-1739761241989.png
│ │ │ │ ├── image-20250209215928253.png
│ │ │ │ ├── image-20250209221812441.png
│ │ │ │ ├── image-20250209221847478.png
│ │ │ │ ├── image-20250209221455992.png
│ │ │ │ ├── image-20250209221553039.png
│ │ │ │ ├── image-20250206183036820-1739761241989.png
│ │ │ ├── 本地大模型的安装部署.md
│ │ ├── 课件
│ │ │ ├── 同day03的课件.txt
│ │ ├── 代码
│ │ │ ├── DifyWorkflowInvoke.py
│ │ │ ├── CozeWorkflowInvoke.py
├── 02-LangChain(阳哥)
│ ├── day06
│ │ ├── 01_vcr（从41集开始）
│ │ │ ├── 32_文本向量化hello.mp4
│ │ │ ├── 30_向量化模型理论入门.mp4
│ │ │ ├── 12_创建提示词PromptTemplate下集.mp4
│ │ │ ├── 40_AI智能运维助手大厂真实案例.mp4
│ │ │ ├── 45_Agent智能体入门理论.mp4
│ │ │ ├── 04_model_provider课间答疑.mp4
│ │ │ ├── 27_记忆缓存之redis版.mp4
│ │ │ ├── 07_Ollama本地大模型部署.mp4
│ │ │ ├── 15_ChatPromptTemplate实例化参数3大类型.mp4
│ │ │ ├── 31_向量数据库.mp4
│ │ │ ├── 39_答疑和分割文档对象案例.mp4
│ │ │ ├── 37_文档加载器-代码案例.mp4
│ │ │ ├── 09_模型参数temperature补充.mp4
│ │ │ ├── 25_记忆中间件简介.mp4
│ │ │ ├── 02_langchain架构和未来趋势.mp4
│ │ │ ├── 19_输出解析器进阶用法.mp4
│ │ │ ├── 13_提示词3大主要方法.mp4
│ │ │ ├── 23_RunnableLambda回答同学提问.mp4
│ │ │ ├── 14_ChatPromptTemplate对话提示词模板创建.mp4
│ │ │ ├── 46_Agent演变过程.mp4
│ │ │ ├── 34_用redisStack作为向量存储.mp4
│ │ │ ├── 20_Runnable统一接口和方法.mp4
│ │ │ ├── 21_LCEL理论入门.mp4
│ │ │ ├── 03_模型调用入门.mp4
│ │ │ ├── 10_Prompt是什么.mp4
│ │ │ ├── 26_记忆缓存之内存版.mp4
│ │ │ ├── 24_记忆缓存为什么重要.mp4
│ │ │ ├── 22_链式调用基础用法案例代码.mp4
│ │ │ ├── 29_Tools实战天气查询.mp4
│ │ │ ├── 47_AgentReact推理执行案例.mp4
│ │ │ ├── 38_使用split_text()方法进行文本分割.mp4
│ │ │ ├── 28_Tool工具调用理论.mp4
│ │ │ ├── 08_模型调用方法6大方法.mp4
│ │ │ ├── 44_课堂答疑交流.mp4
│ │ │ ├── 01_langchain简介和扯淡闲聊求职学习方法.mp4
│ │ │ ├── 18_输出解析器是什么及两大方法.mp4
│ │ │ ├── 11_提示词模板之构造方法.mp4
│ │ │ ├── 36_RAG流程和文档加载器理论.mp4
│ │ │ ├── 48_A2A案例讲解.mp4
│ │ │ ├── 41_MCP入门概念.mp4
│ │ │ ├── 17_外部加载Prompt.mp4
│ │ │ ├── 05_模型调用企业版.mp4
│ │ │ ├── 06_Model-IO大模型接口.mp4
│ │ │ ├── 42_MCP架构知识.mp4
│ │ │ ├── 35_RAG是什么能干嘛.mp4
│ │ │ ├── 16_MessagesPlaceholder消息占位符提示词模板.mp4
│ │ │ ├── 43_MCP案例FastMCP调用.mp4
│ │ │ ├── 33_文本嵌入模型常用编码模板.mp4
│ │ ├── 03_code
│ │ │ ├── 06_lcel
│ │ │ │ ├── LCEL_RunnableLambdaDemo.py
│ │ │ │ ├── LCEL_RunnableBranchDemo.py
│ │ │ │ ├── LCEL_RunnableSerializableDemo.py
│ │ │ │ ├── LCEL_RunnableParallelDemo.py
│ │ │ │ ├── LCEL_RunnableSequenceDemo.py
│ │ │ ├── 02_models_io
│ │ │ │ ├── ModelIO_Ollama.py
│ │ │ │ ├── ModelIO_Params.py
│ │ │ │ ├── ModelIO_ChatOpenAI.py
│ │ │ │ ├── ModelIO_DeepSeek.py
│ │ │ │ ├── ModelIO_OpenAI.py
│ │ │ │ ├── ModelIO_Init_chat_model.py
│ │ │ │ ├── ModelIO_Qwen.py
│ │ │ ├── 12_agent
│ │ │ │ ├── AgentSmartSelectV0.3.py
│ │ │ │ ├── AgentReact.py
│ │ │ │ ├── AgentSmartSelectV1.0.py
│ │ │ │ ├── Agent2Agent.py
│ │ │ ├── 11_mcp
│ │ │ │ ├── __pycache__
│ │ │ │ │ ├── McpServer.cpython-313.pyc
│ │ │ │ ├── McpClient.py
│ │ │ │ ├── McpServer.py
│ │ │ │ ├── McpServerByFastMCP.py
│ │ │ ├── 03_ollama
│ │ │ │ ├── LangChain_Ollama.py
│ │ │ ├── 01_helloworld
│ │ │ │ ├── LangChain_MoreV1.0.py
│ │ │ │ ├── StandardDesc.py
│ │ │ │ ├── GetEnvInfo.py
│ │ │ │ ├── LangChainV0.3.py
│ │ │ │ ├── LangChainV1.0.py
│ │ │ ├── 07_memory
│ │ │ │ ├── Memory_IDontKnow.py
│ │ │ │ ├── Memory_RedisChatMessageHistory.py
│ │ │ │ ├── Memory_RunnableWithMessageHistory.py
│ │ │ │ ├── RedisEnvCheck.py
│ │ │ │ ├── Memory_InMemoryChatMessageHistory.py
│ │ │ │ ├── Memory_RunnableWithMessageHistoryV2.py
│ │ │ ├── 10_rag
│ │ │ │ ├── docloads
│ │ │ │ │ ├── assets
│ │ │ │ │ │ ├── sample.json
│ │ │ │ │ │ ├── sample.md
│ │ │ │ │ │ ├── sample.doc
│ │ │ │ │ │ ├── sample.csv
│ │ │ │ │ │ ├── alibaba-more.docx
│ │ │ │ │ │ ├── Doc21.docx
│ │ │ │ │ │ ├── sample.pdf
│ │ │ │ │ │ ├── sample.txt
│ │ │ │ │ ├── RagLoadDocDemo.py
│ │ │ │ │ ├── RagLoadJsonDemo.py
│ │ │ │ │ ├── RagLoadMarkdownDemo.py
│ │ │ │ │ ├── RagLoadCSVDemo.py
│ │ │ │ │ ├── RagLoadTxtDemo.py
│ │ │ │ │ ├── RagLoadPdfDemo.py
│ │ │ │ ├── textsplit
│ │ │ │ │ ├── rag.txt
│ │ │ │ │ ├── RecursiveTextSplitterV2.py
│ │ │ │ │ ├── RecursiveDocumentSplitter.py
│ │ │ │ │ ├── RecursiveTextSplitter.py
│ │ │ │ ├── alibaba-java.docx
│ │ │ │ ├── RedisVectorStore_SimilaritySearch.py
│ │ │ │ ├── RedisVectorStore.py
│ │ │ │ ├── EmbeddingRagLLM.py
│ │ │ ├── 05_parser
│ │ │ │ ├── AnnotatedPydantic.py
│ │ │ │ ├── StructuredOutput_Pydantic.py
│ │ │ │ ├── JsonOutputParserDemo.py
│ │ │ │ ├── AnnotatedTypedDict.py
│ │ │ │ ├── StructuredOutput_TypedDict.py
│ │ │ │ ├── JsonOutputParser_GetFormatInstructions.py
│ │ │ │ ├── StrOutputParserDemo.py
│ │ │ ├── 04_prompt
│ │ │ │ ├── invoke
│ │ │ │ │ ├── LLM_aInvoke.py
│ │ │ │ │ ├── LLM_aStream.py
│ │ │ │ │ ├── LLM_Invoke.py
│ │ │ │ │ ├── LLM_Batch.py
│ │ │ │ │ ├── LLM_Stream.py
│ │ │ │ │ ├── LLM_aBatch.py
│ │ │ │ ├── prompt_templates
│ │ │ │ │ ├── method
│ │ │ │ │ │ ├── PromptTemplate_FormatMethod.py
│ │ │ │ │ │ ├── PromptTemplate_InvokeMethod.py
│ │ │ │ │ │ ├── PromptTemplate_PartialMethod.py
│ │ │ │ │ ├── PromptTemplate_Combined.py
│ │ │ │ │ ├── PromptTemplate_PartialVariables.py
│ │ │ │ │ ├── PromptTemplate_Constructor.py
│ │ │ │ │ ├── PromptTemplate_FromTemplate.py
│ │ │ │ ├── load_external
│ │ │ │ │ ├── prompt.json
│ │ │ │ │ ├── PromptLoadDemo01.py
│ │ │ │ │ ├── prompt.yaml
│ │ │ │ │ ├── PromptLoadDemo02.py
│ │ │ │ ├── chat_prompt_template
│ │ │ │ │ ├── parameter
│ │ │ │ │ │ ├── ChatPromptTemplate_DictParam.py
│ │ │ │ │ │ ├── ChatPromptTemplate_MessageParam.py
│ │ │ │ │ │ ├── ChatPromptTemplate_TupleParam.py
│ │ │ │ │ ├── placeholder
│ │ │ │ │ │ ├── ChatPromptTemplate_ExplicitPlaceholder.py
│ │ │ │ │ │ ├── ChatPromptTemplate_ImplicitPlaceholder.py
│ │ │ │ │ ├── ChatPromptTemplate_Constructor.py
│ │ │ │ │ ├── ChatPromptTemplate_FormatMessages.py
│ │ │ │ ├── ImportPromptEnv.py
│ │ │ ├── 08_tools
│ │ │ │ ├── __pycache__
│ │ │ │ │ ├── QueryWeatherTool.cpython-313.pyc
│ │ │ │ ├── QueryWeatherTool.py
│ │ │ │ ├── Tool_AddNumberTool.py
│ │ │ │ ├── LLMQueryWeatherDemo.py
│ │ │ │ ├── Tool_AddNumberToolPro.py
│ │ │ │ ├── PydanticDemo.py
│ │ │ ├── 09_embedding
│ │ │ │ ├── Text2Embedding_CosSimilarity.py
│ │ │ │ ├── Text2Embedding_DashScope.py
│ │ │ │ ├── Text2Embedding_DashScopeHello.py
│ │ │ │ ├── Text2Embedding_DashScopePro.py
│ │ │ │ ├── EmbeddingStoreRedis.py
│ │ │ │ ├── Text2Embedding_OpenAiHello.py
│ │ ├── 02_note
│ │ │ ├── LangChain速通实战学生用All2026.2.1.mmap
│ │ │ ├── MindManager2020安装软件破解版.zip
│ ├── day03
│ │ ├── 03_code
│ │ │ ├── 05_parser
│ │ │ │ ├── AnnotatedPydantic.py
│ │ │ │ ├── JsonOutputParser_GetFormatInstructions.py
│ │ │ │ ├── StructuredOutput_TypedDict.py
│ │ │ │ ├── StrOutputParserDemo.py
│ │ │ │ ├── AnnotatedTypedDict.py
│ │ │ │ ├── StructuredOutput_Pydantic.py
│ │ │ │ ├── JsonOutputParserDemo.py
│ │ │ ├── 03_ollama
│ │ │ │ ├── LangChain_Ollama.py
│ │ │ ├── 02_models_io
│ │ │ │ ├── ModelIO_Ollama.py
│ │ │ │ ├── ModelIO_DeepSeek.py
│ │ │ │ ├── ModelIO_OpenAI.py
│ │ │ │ ├── ModelIO_ChatOpenAI.py
│ │ │ │ ├── ModelIO_Params.py
│ │ │ │ ├── ModelIO_Qwen.py
│ │ │ │ ├── ModelIO_Init_chat_model.py
│ │ │ ├── 04_prompt
│ │ │ │ ├── load_external
│ │ │ │ │ ├── PromptLoadDemo01.py
│ │ │ │ │ ├── PromptLoadDemo02.py
│ │ │ │ │ ├── prompt.json
│ │ │ │ │ ├── prompt.yaml
│ │ │ │ ├── prompt_templates
│ │ │ │ │ ├── method
│ │ │ │ │ │ ├── PromptTemplate_FormatMethod.py
│ │ │ │ │ │ ├── PromptTemplate_InvokeMethod.py
│ │ │ │ │ │ ├── PromptTemplate_PartialMethod.py
│ │ │ │ │ ├── PromptTemplate_Constructor.py
│ │ │ │ │ ├── PromptTemplate_PartialVariables.py
│ │ │ │ │ ├── PromptTemplate_FromTemplate.py
│ │ │ │ │ ├── PromptTemplate_Combined.py
│ │ │ │ ├── chat_prompt_template
│ │ │ │ │ ├── placeholder
│ │ │ │ │ │ ├── ChatPromptTemplate_ExplicitPlaceholder.py
│ │ │ │ │ │ ├── ChatPromptTemplate_ImplicitPlaceholder.py
│ │ │ │ │ ├── parameter
│ │ │ │ │ │ ├── ChatPromptTemplate_TupleParam.py
│ │ │ │ │ │ ├── ChatPromptTemplate_MessageParam.py
│ │ │ │ │ │ ├── ChatPromptTemplate_DictParam.py
│ │ │ │ │ ├── ChatPromptTemplate_FormatMessages.py
│ │ │ │ │ ├── ChatPromptTemplate_Constructor.py
│ │ │ │ ├── invoke
│ │ │ │ │ ├── LLM_Batch.py
│ │ │ │ │ ├── LLM_aBatch.py
│ │ │ │ │ ├── LLM_Stream.py
│ │ │ │ │ ├── LLM_Invoke.py
│ │ │ │ │ ├── LLM_aStream.py
│ │ │ │ │ ├── LLM_aInvoke.py
│ │ │ │ ├── ImportPromptEnv.py
│ │ │ ├── 01_helloworld
│ │ │ │ ├── GetEnvInfo.py
│ │ │ │ ├── StandardDesc.py
│ │ │ │ ├── LangChainV1.0.py
│ │ │ │ ├── LangChain_MoreV1.0.py
│ │ │ │ ├── LangChainV0.3.py
│ │ ├── 01_vcr
│ │ │ ├── 12_创建提示词PromptTemplate下集.mp4
│ │ │ ├── 15_ChatPromptTemplate实例化参数3大类型.mp4
│ │ │ ├── 13_提示词3大主要方法.mp4
│ │ │ ├── 16_MessagesPlaceholder消息占位符提示词模板.mp4
│ │ │ ├── 19_输出解析器进阶用法.mp4
│ │ │ ├── 18_输出解析器是什么及两大方法.mp4
│ │ │ ├── 17_外部加载Prompt.mp4
│ │ │ ├── 14_ChatPromptTemplate对话提示词模板创建.mp4
│ │ ├── 02_note
│ │ │ ├── 讲解到哪笔记给到哪严禁预习.txt
│ │ │ ├── LangChain速通实战学生用(严禁预习)2026.1.25.mmap
│ │ │ ├── MindManager2020安装软件破解版.zip
│ ├── day04
│ │ ├── 01_vcr
│ │ │ ├── 29_Tools实战天气查询.mp4
│ │ │ ├── 26_记忆缓存之内存版.mp4
│ │ │ ├── 21_LCEL理论入门.mp4
│ │ │ ├── 20_Runnable统一接口和方法.mp4
│ │ │ ├── 28_Tool工具调用理论.mp4
│ │ │ ├── 23_RunnableLambda回答同学提问.mp4
│ │ │ ├── 22_链式调用基础用法案例代码.mp4
│ │ │ ├── 25_记忆中间件简介.mp4
│ │ │ ├── 27_记忆缓存之redis版.mp4
│ │ │ ├── 24_记忆缓存为什么重要.mp4
│ │ ├── 03_code
│ │ │ ├── 01_helloworld
│ │ │ │ ├── LangChainV1.0.py
│ │ │ │ ├── LangChainV0.3.py
│ │ │ │ ├── GetEnvInfo.py
│ │ │ │ ├── StandardDesc.py
│ │ │ │ ├── LangChain_MoreV1.0.py
│ │ │ ├── 06_lcel
│ │ │ │ ├── LCEL_RunnableLambdaDemo.py
│ │ │ │ ├── LCEL_RunnableSerializableDemo.py
│ │ │ │ ├── LCEL_RunnableSequenceDemo.py
│ │ │ │ ├── LCEL_RunnableParallelDemo.py
│ │ │ │ ├── LCEL_RunnableBranchDemo.py
│ │ │ ├── 02_models_io
│ │ │ │ ├── ModelIO_Init_chat_model.py
│ │ │ │ ├── ModelIO_OpenAI.py
│ │ │ │ ├── ModelIO_Params.py
│ │ │ │ ├── ModelIO_DeepSeek.py
│ │ │ │ ├── ModelIO_Qwen.py
│ │ │ │ ├── ModelIO_ChatOpenAI.py
│ │ │ │ ├── ModelIO_Ollama.py
│ │ │ ├── 05_parser
│ │ │ │ ├── AnnotatedPydantic.py
│ │ │ │ ├── StrOutputParserDemo.py
│ │ │ │ ├── JsonOutputParser_GetFormatInstructions.py
│ │ │ │ ├── StructuredOutput_Pydantic.py
│ │ │ │ ├── JsonOutputParserDemo.py
│ │ │ │ ├── AnnotatedTypedDict.py
│ │ │ │ ├── StructuredOutput_TypedDict.py
│ │ │ ├── 03_ollama
│ │ │ │ ├── LangChain_Ollama.py
│ │ │ ├── 07_memory
│ │ │ │ ├── Memory_RunnableWithMessageHistoryV2.py
│ │ │ │ ├── Memory_InMemoryChatMessageHistory.py
│ │ │ │ ├── RedisEnvCheck.py
│ │ │ │ ├── Memory_RunnableWithMessageHistory.py
│ │ │ │ ├── Memory_IDontKnow.py
│ │ │ │ ├── Memory_RedisChatMessageHistory.py
│ │ │ ├── 08_tools
│ │ │ │ ├── __pycache__
│ │ │ │ │ ├── QueryWeatherTool.cpython-313.pyc
│ │ │ │ ├── QueryWeatherTool.py
│ │ │ │ ├── PydanticDemo.py
│ │ │ │ ├── LLMQueryWeatherDemo.py
│ │ │ │ ├── Tool_AddNumberToolPro.py
│ │ │ │ ├── Tool_AddNumberTool.py
│ │ │ ├── 04_prompt
│ │ │ │ ├── prompt_templates
│ │ │ │ │ ├── method
│ │ │ │ │ │ ├── PromptTemplate_PartialMethod.py
│ │ │ │ │ │ ├── PromptTemplate_FormatMethod.py
│ │ │ │ │ │ ├── PromptTemplate_InvokeMethod.py
│ │ │ │ │ ├── PromptTemplate_Combined.py
│ │ │ │ │ ├── PromptTemplate_Constructor.py
│ │ │ │ │ ├── PromptTemplate_FromTemplate.py
│ │ │ │ │ ├── PromptTemplate_PartialVariables.py
│ │ │ │ ├── load_external
│ │ │ │ │ ├── PromptLoadDemo01.py
│ │ │ │ │ ├── prompt.json
│ │ │ │ │ ├── PromptLoadDemo02.py
│ │ │ │ │ ├── prompt.yaml
│ │ │ │ ├── chat_prompt_template
│ │ │ │ │ ├── parameter
│ │ │ │ │ │ ├── ChatPromptTemplate_DictParam.py
│ │ │ │ │ │ ├── ChatPromptTemplate_MessageParam.py
│ │ │ │ │ │ ├── ChatPromptTemplate_TupleParam.py
│ │ │ │ │ ├── placeholder
│ │ │ │ │ │ ├── ChatPromptTemplate_ImplicitPlaceholder.py
│ │ │ │ │ │ ├── ChatPromptTemplate_ExplicitPlaceholder.py
│ │ │ │ │ ├── ChatPromptTemplate_Constructor.py
│ │ │ │ │ ├── ChatPromptTemplate_FormatMessages.py
│ │ │ │ ├── invoke
│ │ │ │ │ ├── LLM_aStream.py
│ │ │ │ │ ├── LLM_Invoke.py
│ │ │ │ │ ├── LLM_aInvoke.py
│ │ │ │ │ ├── LLM_Batch.py
│ │ │ │ │ ├── LLM_Stream.py
│ │ │ │ │ ├── LLM_aBatch.py
│ │ │ │ ├── ImportPromptEnv.py
│ │ ├── 02_note
│ │ │ ├── 讲解到哪笔记给到哪严禁预习.txt
│ │ │ ├── MindManager2020安装软件破解版.zip
│ │ │ ├── LangChain速通实战学生用(严禁预习)2026.1.28.mmap
│ ├── day01
│ │ ├── 03_code
│ │ │ ├── 01_helloworld
│ │ │ │ ├── LangChainV1.0.py
│ │ │ │ ├── LangChainV0.3.py
│ │ │ │ ├── GetEnvInfo.py
│ │ │ │ ├── LangChain_MoreV1.0.py
│ │ │ │ ├── StandardDesc.py
│ │ ├── 02_note
│ │ │ ├── LangChain速通实战学生用(严禁预习)2026.1.21.mmap
│ │ │ ├── 讲解到哪笔记给到哪严禁预习.txt
│ │ │ ├── MindManager2020安装软件破解版.zip
│ │ ├── 01_vcr
│ │ │ ├── 04_model_provider课间答疑.mp4
│ │ │ ├── 02_langchain架构和未来趋势.mp4
│ │ │ ├── 05_模型调用企业版.mp4
│ │ │ ├── 01_langchain简介和扯淡闲聊求职学习方法.mp4
│ │ │ ├── 03_模型调用入门.mp4
│ ├── day08 LangGraph速通
│ │ ├── 01_vcr(今天从第9集开始)
│ │ │ ├── 07_api之基本的State定义.mp4
│ │ │ ├── 01_LangGraph理论概述.mp4
│ │ │ ├── 05_图的构建流程-小总结.mp4
│ │ │ ├── 10_api之node的定义理论知识.mp4
│ │ │ ├── 12_api之node的异常重试处理机制.mp4
│ │ │ ├── 09_api之state的reducer更新策略.mp4
│ │ │ ├── 02_LangGraph的技术架构.mp4
│ │ │ ├── 06_api之图的构建流程.mp4
│ │ │ ├── 14_api之条件和入口点.mp4
│ │ │ ├── 03_LangGraphHelloWorld.mp4
│ │ │ ├── 04_加一点业务.mp4
│ │ │ ├── 13_api之edge普通边和条件边.mp4
│ │ │ ├── 11_api之node缓存策略.mp4
│ │ │ ├── 08_api之state的schema.mp4
│ │ │ ├── 15_api之send.mp4
│ │ ├── 02_code
│ │ │ ├── 03_state
│ │ │ │ ├── reducers
│ │ │ │ │ ├── StateReducer_OperatorMul.py
│ │ │ │ │ ├── StateReducer_Default.py
│ │ │ │ │ ├── StateReducer_Custom.py
│ │ │ │ │ ├── StateReducersMyChatBot家庭作业.py
│ │ │ │ │ ├── StateReducer_OperatorAdd3.py
│ │ │ │ │ ├── StateReducer_AddMessages.py
│ │ │ │ │ ├── StateReducer_OperatorAdd2.py
│ │ │ │ │ ├── StateReducer_OperatorAdd.py
│ │ │ │ ├── schema
│ │ │ │ │ ├── StateSchema.py
│ │ │ │ ├── DefState.py
│ │ │ ├── 02_graph
│ │ │ │ ├── BuildWholeGraphSummary.py
│ │ │ ├── 04_node
│ │ │ │ ├── DefNode.py
│ │ │ │ ├── Node_Cache.py
│ │ │ │ ├── Node_ExpErrRetry.py
│ │ │ ├── 01_helloworld
│ │ │ │ ├── beforeimg
│ │ │ │ │ ├── langgraph7c7b3e11.png
│ │ │ │ │ ├── langgraphf7fb9e89.png
│ │ │ │ │ ├── langgraph2cf5a7dc.png
│ │ │ │ ├── LangGraphLLM.py
│ │ │ │ ├── LangGraphBiz.py
│ │ │ │ ├── LangGraphHello.py
│ │ │ ├── 06_specialApi
│ │ │ │ ├── CommandDemo.py
│ │ │ │ ├── RuntimeContextDemo.py
│ │ │ │ ├── SendDemo.py
│ │ │ ├── 05_edge
│ │ │ │ ├── Edge_Normal.py
│ │ │ │ ├── Edge_EntryPoint.py
│ │ │ │ ├── Edge_ConditionalEntryPoint.py
│ │ │ │ ├── Edge_Conditional.py
│ │ │ │ ├── Edge_ConditionalV2.py
│ │ ├── 03_note
│ │ │ ├── LangGraph速通实战2026V1.2学生用2026.2.7.mmap
│ ├── day05
│ │ ├── 03_LangChain大模型智能体260111班(线上班1期)
│ │ │ ├── 02_note
│ │ │ │ ├── MindManager2020安装软件破解版.zip
│ │ │ │ ├── 讲解到哪笔记给到哪严禁预习.txt
│ │ │ │ ├── LangChain速通实战学生用(严禁预习)2026.1.31.mmap
│ │ │ ├── 01_vcr（30-40集）
│ │ │ │ ├── 04_model_provider课间答疑.mp4
│ │ │ │ ├── 27_记忆缓存之redis版.mp4
│ │ │ │ ├── 34_用redisStack作为向量存储.mp4
│ │ │ │ ├── 05_模型调用企业版.mp4
│ │ │ │ ├── 11_提示词模板之构造方法.mp4
│ │ │ │ ├── 26_记忆缓存之内存版.mp4
│ │ │ │ ├── 01_langchain简介和扯淡闲聊求职学习方法.mp4
│ │ │ │ ├── 06_Model-IO大模型接口.mp4
│ │ │ │ ├── 30_向量化模型理论入门.mp4
│ │ │ │ ├── 10_Prompt是什么.mp4
│ │ │ │ ├── 35_RAG是什么能干嘛.mp4
│ │ │ │ ├── 18_输出解析器是什么及两大方法.mp4
│ │ │ │ ├── 23_RunnableLambda回答同学提问.mp4
│ │ │ │ ├── 37_文档加载器-代码案例.mp4
│ │ │ │ ├── 36_RAG流程和文档加载器理论.mp4
│ │ │ │ ├── 32_文本向量化hello.mp4
│ │ │ │ ├── 03_模型调用入门.mp4
│ │ │ │ ├── 17_外部加载Prompt.mp4
│ │ │ │ ├── 21_LCEL理论入门.mp4
│ │ │ │ ├── 28_Tool工具调用理论.mp4
│ │ │ │ ├── 29_Tools实战天气查询.mp4
│ │ │ │ ├── 24_记忆缓存为什么重要.mp4
│ │ │ │ ├── 33_文本嵌入模型常用编码模板.mp4
│ │ │ │ ├── 20_Runnable统一接口和方法.mp4
│ │ │ │ ├── 38_使用split_text()方法进行文本分割.mp4
│ │ │ │ ├── 22_链式调用基础用法案例代码.mp4
│ │ │ │ ├── 02_langchain架构和未来趋势.mp4
│ │ │ │ ├── 40_AI智能运维助手大厂真实案例.mp4
│ │ │ │ ├── 12_创建提示词PromptTemplate下集.mp4
│ │ │ │ ├── 13_提示词3大主要方法.mp4
│ │ │ │ ├── 15_ChatPromptTemplate实例化参数3大类型.mp4
│ │ │ │ ├── 19_输出解析器进阶用法.mp4
│ │ │ │ ├── 25_记忆中间件简介.mp4
│ │ │ │ ├── 14_ChatPromptTemplate对话提示词模板创建.mp4
│ │ │ │ ├── 07_Ollama本地大模型部署.mp4
│ │ │ │ ├── 31_向量数据库.mp4
│ │ │ │ ├── 16_MessagesPlaceholder消息占位符提示词模板.mp4
│ │ │ │ ├── 08_模型调用方法6大方法.mp4
│ │ │ │ ├── 39_答疑和分割文档对象案例.mp4
│ │ │ │ ├── 09_模型参数temperature补充.mp4
│ │ │ ├── 03_code
│ │ │ │ ├── 09_embedding
│ │ │ │ │ ├── Text2Embedding_OpenAiHello.py
│ │ │ │ │ ├── Text2Embedding_DashScopePro.py
│ │ │ │ │ ├── EmbeddingStoreRedis.py
│ │ │ │ │ ├── Text2Embedding_CosSimilarity.py
│ │ │ │ │ ├── Text2Embedding_DashScope.py
│ │ │ │ │ ├── Text2Embedding_DashScopeHello.py
│ │ │ │ ├── 01_helloworld
│ │ │ │ │ ├── LangChainV0.3.py
│ │ │ │ │ ├── LangChain_MoreV1.0.py
│ │ │ │ │ ├── GetEnvInfo.py
│ │ │ │ │ ├── LangChainV1.0.py
│ │ │ │ │ ├── StandardDesc.py
│ │ │ │ ├── 07_memory
│ │ │ │ │ ├── Memory_RunnableWithMessageHistoryV2.py
│ │ │ │ │ ├── Memory_InMemoryChatMessageHistory.py
│ │ │ │ │ ├── Memory_RedisChatMessageHistory.py
│ │ │ │ │ ├── RedisEnvCheck.py
│ │ │ │ │ ├── Memory_RunnableWithMessageHistory.py
│ │ │ │ │ ├── Memory_IDontKnow.py
│ │ │ │ ├── 06_lcel
│ │ │ │ │ ├── LCEL_RunnableParallelDemo.py
│ │ │ │ │ ├── LCEL_RunnableSequenceDemo.py
│ │ │ │ │ ├── LCEL_RunnableSerializableDemo.py
│ │ │ │ │ ├── LCEL_RunnableLambdaDemo.py
│ │ │ │ │ ├── LCEL_RunnableBranchDemo.py
│ │ │ │ ├── 03_ollama
│ │ │ │ │ ├── LangChain_Ollama.py
│ │ │ │ ├── 08_tools
│ │ │ │ │ ├── __pycache__
│ │ │ │ │ │ ├── QueryWeatherTool.cpython-313.pyc
│ │ │ │ │ ├── LLMQueryWeatherDemo.py
│ │ │ │ │ ├── QueryWeatherTool.py
│ │ │ │ │ ├── Tool_AddNumberTool.py
│ │ │ │ │ ├── Tool_AddNumberToolPro.py
│ │ │ │ │ ├── PydanticDemo.py
│ │ │ │ ├── 10_rag
│ │ │ │ │ ├── textsplit
│ │ │ │ │ │ ├── RecursiveTextSplitterV2.py
│ │ │ │ │ │ ├── RecursiveDocumentSplitter.py
│ │ │ │ │ │ ├── RecursiveTextSplitter.py
│ │ │ │ │ │ ├── rag.txt
│ │ │ │ │ ├── docloads
│ │ │ │ │ │ ├── assets
│ │ │ │ │ │ │ ├── sample.pdf
│ │ │ │ │ │ │ ├── sample.md
│ │ │ │ │ │ │ ├── sample.csv
│ │ │ │ │ │ │ ├── sample.doc
│ │ │ │ │ │ │ ├── alibaba-more.docx
│ │ │ │ │ │ │ ├── sample.json
│ │ │ │ │ │ │ ├── sample.txt
│ │ │ │ │ │ │ ├── Doc21.docx
│ │ │ │ │ │ ├── RagLoadDocDemo.py
│ │ │ │ │ │ ├── RagLoadTxtDemo.py
│ │ │ │ │ │ ├── RagLoadPdfDemo.py
│ │ │ │ │ │ ├── RagLoadMarkdownDemo.py
│ │ │ │ │ │ ├── RagLoadCSVDemo.py
│ │ │ │ │ │ ├── RagLoadJsonDemo.py
│ │ │ │ │ ├── RedisVectorStore_SimilaritySearch.py
│ │ │ │ │ ├── alibaba-java.docx
│ │ │ │ │ ├── RedisVectorStore.py
│ │ │ │ │ ├── EmbeddingRagLLM.py
│ │ │ │ ├── 02_models_io
│ │ │ │ │ ├── ModelIO_OpenAI.py
│ │ │ │ │ ├── ModelIO_Ollama.py
│ │ │ │ │ ├── ModelIO_Params.py
│ │ │ │ │ ├── ModelIO_DeepSeek.py
│ │ │ │ │ ├── ModelIO_Init_chat_model.py
│ │ │ │ │ ├── ModelIO_Qwen.py
│ │ │ │ │ ├── ModelIO_ChatOpenAI.py
│ │ │ │ ├── 04_prompt
│ │ │ │ │ ├── invoke
│ │ │ │ │ │ ├── LLM_Batch.py
│ │ │ │ │ │ ├── LLM_aInvoke.py
│ │ │ │ │ │ ├── LLM_aBatch.py
│ │ │ │ │ │ ├── LLM_Stream.py
│ │ │ │ │ │ ├── LLM_aStream.py
│ │ │ │ │ │ ├── LLM_Invoke.py
│ │ │ │ │ ├── chat_prompt_template
│ │ │ │ │ │ ├── parameter
│ │ │ │ │ │ │ ├── ChatPromptTemplate_MessageParam.py
│ │ │ │ │ │ │ ├── ChatPromptTemplate_DictParam.py
│ │ │ │ │ │ │ ├── ChatPromptTemplate_TupleParam.py
│ │ │ │ │ │ ├── placeholder
│ │ │ │ │ │ │ ├── ChatPromptTemplate_ExplicitPlaceholder.py
│ │ │ │ │ │ │ ├── ChatPromptTemplate_ImplicitPlaceholder.py
│ │ │ │ │ │ ├── ChatPromptTemplate_FormatMessages.py
│ │ │ │ │ │ ├── ChatPromptTemplate_Constructor.py
│ │ │ │ │ ├── load_external
│ │ │ │ │ │ ├── prompt.yaml
│ │ │ │ │ │ ├── prompt.json
│ │ │ │ │ │ ├── PromptLoadDemo01.py
│ │ │ │ │ │ ├── PromptLoadDemo02.py
│ │ │ │ │ ├── prompt_templates
│ │ │ │ │ │ ├── method
│ │ │ │ │ │ │ ├── PromptTemplate_InvokeMethod.py
│ │ │ │ │ │ │ ├── PromptTemplate_FormatMethod.py
│ │ │ │ │ │ │ ├── PromptTemplate_PartialMethod.py
│ │ │ │ │ │ ├── PromptTemplate_Constructor.py
│ │ │ │ │ │ ├── PromptTemplate_PartialVariables.py
│ │ │ │ │ │ ├── PromptTemplate_FromTemplate.py
│ │ │ │ │ │ ├── PromptTemplate_Combined.py
│ │ │ │ │ ├── ImportPromptEnv.py
│ │ │ │ ├── 05_parser
│ │ │ │ │ ├── JsonOutputParserDemo.py
│ │ │ │ │ ├── AnnotatedPydantic.py
│ │ │ │ │ ├── AnnotatedTypedDict.py
│ │ │ │ │ ├── StructuredOutput_TypedDict.py
│ │ │ │ │ ├── JsonOutputParser_GetFormatInstructions.py
│ │ │ │ │ ├── StrOutputParserDemo.py
│ │ │ │ │ ├── StructuredOutput_Pydantic.py
│ ├── day09 LangGraph速通
│ │ ├── 03_note
│ │ │ ├── LangGraph速通实战2026V1.2学生用2026.2.8AllOver.mmap
│ │ ├── 02_code
│ │ │ ├── 08_multi_agent
│ │ │ │ ├── SupervisorHandoff.py
│ │ │ │ ├── SupervisorV1.0.py
│ │ │ │ ├── LangGraphAgent.py
│ │ │ │ ├── SupervisorV0.3.py
│ │ │ ├── 06_specialApi
│ │ │ │ ├── CommandDemo.py
│ │ │ │ ├── SendDemo.py
│ │ │ │ ├── RuntimeContextDemo.py
│ │ │ ├── 01_helloworld
│ │ │ │ ├── beforeimg
│ │ │ │ │ ├── langgraph7c7b3e11.png
│ │ │ │ │ ├── langgraphf7fb9e89.png
│ │ │ │ │ ├── langgraph2cf5a7dc.png
│ │ │ │ ├── LangGraphBiz.py
│ │ │ │ ├── LangGraphHello.py
│ │ │ │ ├── LangGraphLLM.py
│ │ │ ├── 07_senior
│ │ │ │ ├── streaming
│ │ │ │ │ ├── StreamGraphState.py
│ │ │ │ │ ├── StreamCustomDataSimple.py
│ │ │ │ │ ├── StreamCustomData.py
│ │ │ │ │ ├── StreamLLMTokens.py
│ │ │ │ │ ├── StreamMultipleModes.py
│ │ │ │ ├── time_travel
│ │ │ │ │ ├── TimeTravel.py
│ │ │ │ ├── subgraph
│ │ │ │ │ ├── SubGraphHello.py
│ │ │ │ │ ├── SubGraphSimple.py
│ │ │ │ │ ├── SubGraphPro.py
│ │ │ │ ├── state_persistence
│ │ │ │ │ ├── SqlitePersistence.py
│ │ │ │ │ ├── MemoryPersistence.py
│ │ │ │ │ ├── AgentPersistence.py
│ │ │ ├── 04_node
│ │ │ │ ├── Node_ExpErrRetry.py
│ │ │ │ ├── Node_Cache.py
│ │ │ │ ├── DefNode.py
│ │ │ ├── 03_state
│ │ │ │ ├── schema
│ │ │ │ │ ├── StateSchema.py
│ │ │ │ ├── reducers
│ │ │ │ │ ├── StateReducer_AddMessages.py
│ │ │ │ │ ├── StateReducersMyChatBot家庭作业.py
│ │ │ │ │ ├── StateReducer_OperatorMul.py
│ │ │ │ │ ├── StateReducer_OperatorAdd3.py
│ │ │ │ │ ├── StateReducer_OperatorAdd.py
│ │ │ │ │ ├── StateReducer_OperatorAdd2.py
│ │ │ │ │ ├── StateReducer_Custom.py
│ │ │ │ │ ├── StateReducer_Default.py
│ │ │ │ ├── DefState.py
│ │ │ ├── 05_edge
│ │ │ │ ├── Edge_ConditionalV2.py
│ │ │ │ ├── Edge_ConditionalEntryPoint.py
│ │ │ │ ├── Edge_EntryPoint.py
│ │ │ │ ├── Edge_Normal.py
│ │ │ │ ├── Edge_Conditional.py
│ │ │ ├── 02_graph
│ │ │ │ ├── BuildWholeGraphSummary.py
│ │ ├── 01_vcr（今天从16集开始）
│ │ │ ├── 09_api之state的reducer更新策略.mp4
│ │ │ ├── 05_图的构建流程-小总结.mp4
│ │ │ ├── 16_api之Command.mp4
│ │ │ ├── 06_api之图的构建流程.mp4
│ │ │ ├── 21_构建Agent实现记忆存储.mp4
│ │ │ ├── 27_智能体技能.mp4
│ │ │ ├── 03_LangGraphHelloWorld.mp4
│ │ │ ├── 13_api之edge普通边和条件边.mp4
│ │ │ ├── 04_加一点业务.mp4
│ │ │ ├── 22_时间回溯(Time-Travel).mp4
│ │ │ ├── 10_api之node的定义理论知识.mp4
│ │ │ ├── 20_数据库检查点(sqlite).mp4
│ │ │ ├── 01_LangGraph理论概述.mp4
│ │ │ ├── 17_api之RuntimeContext运行时上下文.mp4
│ │ │ ├── 15_api之send.mp4
│ │ │ ├── 24_跨图状态交互.mp4
│ │ │ ├── 23_子图作为节点添加到父图.mp4
│ │ │ ├── 19_内存检查点.mp4
│ │ │ ├── 11_api之node缓存策略.mp4
│ │ │ ├── 18_高级特性之流式处理(Streaming).mp4
│ │ │ ├── 08_api之state的schema.mp4
│ │ │ ├── 12_api之node的异常重试处理机制.mp4
│ │ │ ├── 25_多智能体架构理论说明.mp4
│ │ │ ├── 02_LangGraph的技术架构.mp4
│ │ │ ├── 14_api之条件和入口点.mp4
│ │ │ ├── 26_A2A主管和交接案例.mp4
│ │ │ ├── 07_api之基本的State定义.mp4
│ ├── day07 langgraph
│ │ ├── 02_code
│ │ │ ├── 02_graph
│ │ │ │ ├── BuildWholeGraphSummary.py
│ │ │ ├── 03_state
│ │ │ │ ├── reducers
│ │ │ │ │ ├── StateReducer_Custom.py
│ │ │ │ │ ├── StateReducer_Default.py
│ │ │ │ │ ├── StateReducer_OperatorMul.py
│ │ │ │ │ ├── StateReducer_OperatorAdd2.py
│ │ │ │ │ ├── StateReducer_OperatorAdd.py
│ │ │ │ │ ├── StateReducer_AddMessages.py
│ │ │ │ │ ├── StateReducer_OperatorAdd3.py
│ │ │ │ │ ├── StateReducersMyChatBot家庭作业.py
│ │ │ │ ├── schema
│ │ │ │ │ ├── StateSchema.py
│ │ │ │ ├── DefState.py
│ │ │ ├── 01_helloworld
│ │ │ │ ├── beforeimg
│ │ │ │ │ ├── langgraph7c7b3e11.png
│ │ │ │ │ ├── langgraph2cf5a7dc.png
│ │ │ │ │ ├── langgraphf7fb9e89.png
│ │ │ │ ├── LangGraphBiz.py
│ │ │ │ ├── LangGraphHello.py
│ │ │ │ ├── LangGraphLLM.py
│ │ ├── 03_note
│ │ │ ├── LangGraph速通实战2026V1.2学生用2026.2.4.mmap
│ │ ├── 01_vcr
│ │ │ ├── 01_LangGraph理论概述.mp4
│ │ │ ├── 03_LangGraphHelloWorld.mp4
│ │ │ ├── 07_api之基本的State定义.mp4
│ │ │ ├── 02_LangGraph的技术架构.mp4
│ │ │ ├── 08_api之state的schema.mp4
│ │ │ ├── 05_图的构建流程-小总结.mp4
│ │ │ ├── 04_加一点业务.mp4
│ │ │ ├── 06_api之图的构建流程.mp4
│ ├── day02
│ │ ├── 02_note
│ │ │ ├── 讲解到哪笔记给到哪严禁预习.txt
│ │ │ ├── LangChain速通实战学生用(严禁预习)2026.1.24.mmap
│ │ │ ├── MindManager2020安装软件破解版.zip
│ │ ├── 03_code
│ │ │ ├── 01_helloworld
│ │ │ │ ├── LangChain_MoreV1.0.py
│ │ │ │ ├── StandardDesc.py
│ │ │ │ ├── LangChainV1.0.py
│ │ │ │ ├── LangChainV0.3.py
│ │ │ │ ├── GetEnvInfo.py
│ │ │ ├── 03_ollama
│ │ │ │ ├── LangChain_Ollama.py
│ │ │ ├── 02_models_io
│ │ │ │ ├── ModelIO_DeepSeek.py
│ │ │ │ ├── ModelIO_OpenAI.py
│ │ │ │ ├── ModelIO_Init_chat_model.py
│ │ │ │ ├── ModelIO_Qwen.py
│ │ │ │ ├── ModelIO_ChatOpenAI.py
│ │ │ │ ├── ModelIO_Params.py
│ │ │ │ ├── ModelIO_Ollama.py
│ │ │ ├── 04_prompt
│ │ │ │ ├── load_external
│ │ │ │ │ ├── PromptLoadDemo02.py
│ │ │ │ │ ├── prompt.yaml
│ │ │ │ │ ├── PromptLoadDemo01.py
│ │ │ │ │ ├── prompt.json
│ │ │ │ ├── prompt_templates
│ │ │ │ │ ├── method
│ │ │ │ │ │ ├── PromptTemplate_FormatMethod.py
│ │ │ │ │ │ ├── PromptTemplate_InvokeMethod.py
│ │ │ │ │ │ ├── PromptTemplate_PartialMethod.py
│ │ │ │ │ ├── PromptTemplate_PartialVariables.py
│ │ │ │ │ ├── PromptTemplate_Constructor.py
│ │ │ │ │ ├── PromptTemplate_Combined.py
│ │ │ │ │ ├── PromptTemplate_FromTemplate.py
│ │ │ │ ├── chat_prompt_template
│ │ │ │ │ ├── placeholder
│ │ │ │ │ │ ├── ChatPromptTemplate_ExplicitPlaceholder.py
│ │ │ │ │ │ ├── ChatPromptTemplate_ImplicitPlaceholder.py
│ │ │ │ │ ├── parameter
│ │ │ │ │ │ ├── ChatPromptTemplate_DictParam.py
│ │ │ │ │ │ ├── ChatPromptTemplate_MessageParam.py
│ │ │ │ │ │ ├── ChatPromptTemplate_TupleParam.py
│ │ │ │ │ ├── ChatPromptTemplate_Constructor.py
│ │ │ │ │ ├── ChatPromptTemplate_FormatMessages.py
│ │ │ │ ├── invoke
│ │ │ │ │ ├── LLM_aBatch.py
│ │ │ │ │ ├── LLM_Invoke.py
│ │ │ │ │ ├── LLM_Batch.py
│ │ │ │ │ ├── LLM_Stream.py
│ │ │ │ │ ├── LLM_aStream.py
│ │ │ │ │ ├── LLM_aInvoke.py
│ │ │ │ ├── ImportPromptEnv.py
│ │ ├── 01_vcr
│ │ │ ├── 10_Prompt是什么.mp4
│ │ │ ├── 09_模型参数temperature补充.mp4
│ │ │ ├── 08_模型调用方法6大方法.mp4
│ │ │ ├── 11_提示词模板之构造方法.mp4
│ │ │ ├── 07_Ollama本地大模型部署.mp4
│ │ │ ├── 06_Model-IO大模型接口.mp4
│ ├── FastMCP3.12版本支持.zip
├── 04-尚硅谷AI大模型之NLP教程【录播课】
│ ├── 2.资料
│ │ ├── 3.预训练模型
│ │ │ ├── bert-base-chinese
│ │ │ │ ├── model.safetensors
│ │ │ │ ├── vocab.txt
│ │ │ │ ├── config.json
│ │ │ │ ├── tokenizer.json
│ │ │ │ ├── tokenizer_config.json
│ │ ├── 1.词向量
│ │ │ ├── sgns.weibo.word.bz2
│ │ ├── 2.数据集
│ │ │ ├── 2.对话数据集
│ │ │ │ ├── synthesized_.jsonl
│ │ │ ├── 3.中英短句数据集
│ │ │ │ ├── cmn.txt
│ │ │ ├── 1.评论数据集
│ │ │ │ ├── online_shopping_10_cats.csv
│ ├── 3.代码
│ │ ├── 代码.zip
│ ├── 1.笔记
│ │ ├── 尚硅谷大模型技术之NLP1.0.3.docx
│ ├── 4.视频
│ │ ├── 092-NLP-Seq2Seq-模型结构-案例实操-概述.mp4
│ │ ├── 105-NLP-Seq2Seq-案例-评估脚本-bleu说明.mp4
│ │ ├── 016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram.mp4
│ │ ├── 028-NLP-传统序列模型-RNN-示意图.mp4
│ │ ├── 100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器.mp4
│ │ ├── 009-NLP-文本表示-分词-中文分词.mp4
│ │ ├── 088-NLP-Seq2Seq-模型结构-编码器.mp4
│ │ ├── 134-NLP-Transformer-实现细节-注意力为什么需要缩放.mp4
│ │ ├── 172-NLP-预训练模型-HF-Datasets-加载在线数据集.mp4
│ │ ├── 067-NLP-传统序列模型-LSTM-概述.mp4
│ │ ├── 050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法.mp4
│ │ ├── 073-NLP-传统序列模型-LSTM-案例-概述&思路分析.mp4
│ │ ├── 159-NLP-预训练模型-主流模型-BERT-预训练.mp4
│ │ ├── 129-NLP-Transformer-模型结构-编码器-小结.mp4
│ │ ├── 045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表.mp4
│ │ ├── 167-NLP-预训练模型-HF-Tokenizer-使用.mp4
│ │ ├── 093-NLP-Seq2Seq-模型结构-案例实操-需求分析.mp4
│ │ ├── 040-NLP-传统序列模型-RNN-案例-项目结构.mp4
│ │ ├── 143-NLP-Transformer-案例-模型定义-基础结构.mp4
│ │ ├── 054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑.mp4
│ │ ├── 007-NLP-文本表示-分词-英文分词.mp4
│ │ ├── 131-NLP-Transformer-模型结构-解码器-Mask-Attention.mp4
│ │ ├── 119-NLP-Transformer-模型结构-编码器-概述.mp4
│ │ ├── 068-NLP-传统序列模型-LSTM-基础结构-说明.mp4
│ │ ├── 133-NLP-Transformer-模型结构-解码器-小结.mp4
│ │ ├── 152-NLP-预训练模型-主流模型-GPT-概述.mp4
│ │ ├── 125-NLP-Transformer-模型结构-编码器-残差连接-说明.mp4
│ │ ├── 051-NLP-传统序列模型-RNN-案例-模型定义-前向传播.mp4
│ │ ├── 023-NLP-文本表示-词表示-语义化词向量-应用-编码.mp4
│ │ ├── 111-NLP-Attention机制-注意力评分函数.mp4
│ │ ├── 005-NLP-环境准备.mp4
│ │ ├── 034-NLP-传统序列模型-RNN-API-输入输出-含义.mp4
│ │ ├── 056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型.mp4
│ │ ├── 010-NLP-文本表示-分词-分词工具-概述.mp4
│ │ ├── 139-NLP-Transformer-API-nn.Transformer-forward方法-概述.mp4
│ │ ├── 103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑.mp4
│ │ ├── 013-NLP-文本表示-分词-分词工具-jieba-自定义词典.mp4
│ │ ├── 141-NLP-Transformer-API-nn.Transformer-encoder&decoder.mp4
│ │ ├── 147-NLP-Transformer-案例-训练脚本.mp4
│ │ ├── 107-NLP-Seq2Seq-总结.mp4
│ │ ├── 090-NLP-Seq2Seq-模型结构-训练机制.mp4
│ │ ├── 177-NLP-预训练模型-HF-Datasets-保存数据集.mp4
│ │ ├── 116-NLP-Transformer-概述.mp4
│ │ ├── 149-NLP-Transformer-哈佛版本-核心源码解读.mp4
│ │ ├── 047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集.mp4
│ │ ├── 109-NLP-Attention机制-工作原理-概述.mp4
│ │ ├── 095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer.mp4
│ │ ├── 086-NLP-传统序列模型-LSTM_GRU_RNN横向对比.mp4
│ │ ├── 127-NLP-Transformer-模型结构-编码器-位置编码.mp4
│ │ ├── 078-NLP-传统序列模型-LSTM-案例-模型定义.mp4
│ │ ├── 110-NLP-Attention机制-工作原理-具体步骤.mp4
│ │ ├── 076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下.mp4
│ │ ├── 158-NLP-预训练模型-主流模型-BERT-微调.mp4
│ │ ├── 038-NLP-传统序列模型-案例-思路分析-数据集说明.mp4
│ │ ├── 075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上.mp4
│ │ ├── 124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述.mp4
│ │ ├── 083-NLP-传统序列模型-GRU-基础结构.mp4
│ │ ├── 183-NLP-预训练模型-案例-模型训练.mp4
│ │ ├── 011-NLP-文本表示-分词-分词工具-jieba-分词模式.mp4
│ │ ├── 120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量.mp4
│ │ ├── 156-NLP-预训练模型-主流模型-BERT-概述.mp4
│ │ ├── 122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力.mp4
│ │ ├── 153-NLP-预训练模型-主流模型-GPT-模型结构.mp4
│ │ ├── 184-NLP-预训练模型-案例-模型推理.mp4
│ │ ├── 021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操.mp4
│ │ ├── 115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改.mp4
│ │ ├── 025-NLP-文本表示-词表示-上下文相关词向量.mp4
│ │ ├── 039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路.mp4
│ │ ├── 179-NLP-预训练模型-案例-数据预处理-上.mp4
│ │ ├── 069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸.mp4
│ │ ├── 071-NLP-传统序列模型-LSTM-API-构造参数.mp4
│ │ ├── 002-NLP-课程概述.mp4
│ │ ├── 072-NLP-传统序列模型-LSTM-API-输入输出.mp4
│ │ ├── 096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建.mp4
│ │ ├── 114-NLP-Attention机制-案例-注意力机制-编码.mp4
│ │ ├── 031-NLP-传统序列模型-RNN-多层+双向结构.mp4
│ │ ├── 130-NLP-Transformer-模型结构-解码器-概述.mp4
│ │ ├── 077-NLP-传统序列模型-LSTM-案例-数据集.mp4
│ │ ├── 044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理.mp4
│ │ ├── 091-NLP-Seq2Seq-模型结构-推理机制.mp4
│ │ ├── 046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集.mp4
│ │ ├── 049-NLP-传统序列模型-RNN-案例-数据集-编码.mp4
│ │ ├── 060-NLP-传统序列模型-RNN-案例-评估脚本-说明.mp4
│ │ ├── 137-NLP-Transformer-API-概述.mp4
│ │ ├── 160-NLP-预训练模型-主流模型-T5-概述&模型结构.mp4
│ │ ├── 063-NLP-传统序列模型-RNN-案例-Tokenizer-说明.mp4
│ │ ├── 080-NLP-传统序列模型-LSTM-案例-模型预测.mp4
│ │ ├── 163-NLP-预训练模型-HF-模型加载-AutoModel.mp4
│ │ ├── 118-NLP-Transformer-模型结构-整体结构.mp4
│ │ ├── 035-NLP-传统序列模型-RNN-API-输入输出-形状分析.mp4
│ │ ├── 081-NLP-传统序列模型-LSTM-案例-模型评估.mp4
│ │ ├── 052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备.mp4
│ │ ├── 094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件.mp4
│ │ ├── 146-NLP-Transformer-案例-模型定义-前向传播.mp4
│ │ ├── 171-NLP-预训练模型-HF-Datasets-查看数据集.mp4
│ │ ├── 175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上.mp4
│ │ ├── 061-NLP-传统序列模型-RNN-案例-评估脚本-编码.mp4
│ │ ├── 026-NLP-传统序列模型-RNN-概述.mp4
│ │ ├── 138-NLP-Transformer-API-nn.Transformer-构造参数.mp4
│ │ ├── 033-NLP-传统序列模型-RNN-API-输入输出-概述.mp4
│ │ ├── 132-NLP-Transformer-模型结构-解码器-Cross-Attention.mp4
│ │ ├── 108-NLP-Attention机制-概述.mp4
│ │ ├── 055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明.mp4
│ │ ├── 150-NLP-预训练模型-概述.mp4
│ │ ├── 182-NLP-预训练模型-案例-模型定义.mp4
│ │ ├── 029-NLP-传统序列模型-RNN-多层结构.mp4
│ │ ├── 164-NLP-预训练模型-HF-模型加载-AutoModelForXXX.mp4
│ │ ├── 102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码.mp4
│ │ ├── 018-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-说明.mp4
│ │ ├── 058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上.mp4
│ │ ├── 176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下.mp4
│ │ ├── 024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题.mp4
│ │ ├── 169-NLP-预训练模型-HF-Datasets-概述.mp4
│ │ ├── 106-NLP-Seq2Seq-案例-评估脚本-编码.mp4
│ │ ├── 148-NLP-Transformer-案例-预测&评估脚本.mp4
│ │ ├── 173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据.mp4
│ │ ├── 180-NLP-预训练模型-案例-数据预处理-下.mp4
│ │ ├── 174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集.mp4
│ │ ├── 097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集.mp4
│ │ ├── 099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器.mp4
│ │ ├── 126-NLP-Transformer-模型结构-编码器-层归一化.mp4
│ │ ├── 181-NLP-预训练模型-案例-Dataloader.mp4
│ │ ├── 003-NLP-导论-常见任务.mp4
│ │ ├── 064-NLP-传统序列模型-RNN-案例-Tokenizer-编码.mp4
│ │ ├── 113-NLP-Attention机制-案例-注意力机制-实现思路.mp4
│ │ ├── 036-NLP-传统序列模型-RNN-API-小练习.mp4
│ │ ├── 043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明.mp4
│ │ ├── 008-NLP-文本表示-分词-英文分词-BPE算法.mp4
│ │ ├── 185-NLP-预训练模型-案例-模型评估.mp4
│ │ ├── 032-NLP-传统序列模型-RNN-API-构造参数.mp4
│ │ ├── 074-NLP-传统序列模型-LSTM-案例-数据处理-说明.mp4
│ │ ├── 136-NLP-Transformer-模型训练和推理机制.mp4
│ │ ├── 098-NLP-Seq2Seq-模型结构-案例实操-Dataloader.mp4
│ │ ├── 178-NLP-预训练模型-HF-Datasets-集成Dataloader.mp4
│ │ ├── 104-NLP-Seq2Seq-案例-预测脚本.mp4
│ │ ├── 084-NLP-传统序列模型-GRU-复杂结构&API使用说明.mp4
│ │ ├── 020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述.mp4
│ │ ├── 101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型.mp4
│ │ ├── 006-NLP-文本表示-概述.mp4
│ │ ├── 042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件.mp4
│ │ ├── 027-NLP-传统序列模型-RNN-基础结构.mp4
│ │ ├── 004-NLP-导论-技术演进历史.mp4
│ │ ├── 066-NLP-传统序列模型-RNN-存在问题-分析.mp4
│ │ ├── 022-NLP-文本表示-词表示-语义化词向量-应用-概述.mp4
│ │ ├── 144-NLP-Transformer-案例-模型定义-位置编码-简易实现.mp4
│ │ ├── 089-NLP-Seq2Seq-模型结构-解码器.mp4
│ │ ├── 170-NLP-预训练模型-HF-Datasets-加载数据集.mp4
│ │ ├── 187-NLP-预训练模型-案例-带任务头的预训练模型.mp4
│ │ ├── 015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述.mp4
│ │ ├── 123-NLP-Transformer-模型结构-编码器-前馈神经网络层.mp4
│ │ ├── 059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下.mp4
│ │ ├── 165-NLP-预训练模型-HF-模型使用.mp4
│ │ ├── 053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环.mp4
│ │ ├── 142-NLP-Transformer-案例-代码改造思路.mp4
│ │ ├── 065-NLP-传统序列模型-RNN-存在问题-概述.mp4
│ │ ├── 057-NLP-传统序列模型-RNN-案例-预测脚本-说明.mp4
│ │ ├── 030-NLP-传统序列模型-RNN-双向结构.mp4
│ │ ├── 062-NLP-传统序列模型-RNN-案例-代码改造说明.mp4
│ │ ├── 155-NLP-预训练模型-主流模型-GPT-微调.mp4
│ │ ├── 037-NLP-传统序列模型-案例-概述.mp4
│ │ ├── 161-NLP-预训练模型-主流模型-T5-预训练&微调.mp4
│ │ ├── 079-NLP-传统序列模型-LSTM-案例-模型训练.mp4
│ │ ├── 001-NLP-课程简介.mp4
│ │ ├── 070-NLP-传统序列模型-LSTM-复杂结构.mp4
│ │ ├── 041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析.mp4
│ │ ├── 157-NLP-预训练模型-主流模型-BERT-模型结构.mp4
│ │ ├── 087-NLP-Seq2Seq-概述.mp4
│ │ ├── 128-NLP-Transformer-模型结构-编码器-说明.mp4
│ │ ├── 082-NLP-传统序列模型-LSTM-存在问题.mp4
│ │ ├── 085-NLP-传统序列模型-GRU-案例实操.mp4
│ │ ├── 151-NLP-预训练模型-分类.mp4
│ │ ├── 162-NLP-预训练模型-HF-概述.mp4
│ │ ├── 019-NLP-文本表示-词表示-语义化词向量-Word2Vec-获取-公开词向量-编码.mp4
│ │ ├── 017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW.mp4
│ │ ├── 117-NLP-Transformer-核心思想.mp4
│ │ ├── 121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程.mp4
│ │ ├── 166-NLP-预训练模型-HF-Tokenizer-加载.mp4
│ │ ├── 168-NLP-预训练模型-HF-Tokenizer-模型配合使用.mp4
│ │ ├── 186-NLP-预训练模型-案例-测试.mp4
│ │ ├── 140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出.mp4
│ │ ├── 112-NLP-Attention机制-案例-代码升级改造思路.mp4
│ │ ├── 154-NLP-预训练模型-主流模型-GPT-预训练.mp4
│ │ ├── 145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现.mp4
│ │ ├── 048-NLP-传统序列模型-RNN-案例-数据集-说明.mp4
│ │ ├── 012-NLP-文本表示-分词-分词工具-jieba-分词模式-API.mp4
│ │ ├── 014-NLP-文本表示-词表示-one-hot&语义化词向量-概述.mp4
│ │ ├── 135-NLP-Transformer-实现细节-注意力如何感知相对位置.mp4
│ ├── NLP课程简介.txt
├── 代码.zip
├── 尚硅谷大模型智能体线上班.JPG
├── 智能体-课程大纲.pdf
