课程目录

• 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
• 187-NLP-预训练模型-案例-带任务头的预训练模型
• 118-NLP-Transformer-模型结构-整体结构
• 029-NLP-传统序列模型-RNN-多层结构
• 101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型
• 144-NLP-Transformer-案例-模型定义-位置编码-简易实现
• 062-NLP-传统序列模型-RNN-案例-代码改造说明
• 070-NLP-传统序列模型-LSTM-复杂结构
• 013-NLP-文本表示-分词-分词工具-jieba-自定义词典
• 064-NLP-传统序列模型-RNN-案例-Tokenizer-编码
• 033-NLP-传统序列模型-RNN-API-输入输出-概述
• 022-NLP-文本表示-词表示-语义化词向量-应用-概述
• 161-NLP-预训练模型-主流模型-T5-预训练&微调
• 063-NLP-传统序列模型-RNN-案例-Tokenizer-说明
• 060-NLP-传统序列模型-RNN-案例-评估脚本-说明
• 042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件
• 165-NLP-预训练模型-HF-模型使用
• 120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量
• 093-NLP-Seq2Seq-模型结构-案例实操-需求分析
• 131-NLP-Transformer-模型结构-解码器-Mask-Attention
• 172-NLP-预训练模型-HF-Datasets-加载在线数据集
• 096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建
• 138-NLP-Transformer-API-nn.Transformer-构造参数
• 012-NLP-文本表示-分词-分词工具-jieba-分词模式-API
• 073-NLP-传统序列模型-LSTM-案例-概述&思路分析
• 045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表
• 139-NLP-Transformer-API-nn.Transformer-forward方法-概述
• 056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型
• 154-NLP-预训练模型-主流模型-GPT-预训练
• 072-NLP-传统序列模型-LSTM-API-输入输出
• 054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑
• 124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述
• 015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述
• 048-NLP-传统序列模型-RNN-案例-数据集-说明
• 004-NLP-导论-技术演进历史
• 148-NLP-Transformer-案例-预测&评估脚本
• 083-NLP-传统序列模型-GRU-基础结构
• 081-NLP-传统序列模型-LSTM-案例-模型评估
• 157-NLP-预训练模型-主流模型-BERT-模型结构
• 005-NLP-环境准备
• 141-NLP-Transformer-API-nn.Transformer-encoder&decoder
• 121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程
• 107-NLP-Seq2Seq-总结
• 122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力
• 090-NLP-Seq2Seq-模型结构-训练机制
• 127-NLP-Transformer-模型结构-编码器-位置编码
• 095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer
• 176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下
• 066-NLP-传统序列模型-RNN-存在问题-分析
• 059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下
• 183-NLP-预训练模型-案例-模型训练
• 058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上
• 047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集
• 113-NLP-Attention机制-案例-注意力机制-实现思路
• 174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集
• 086-NLP-传统序列模型-LSTM_GRU_RNN横向对比
• 003-NLP-导论-常见任务
• 137-NLP-Transformer-API-概述
• 134-NLP-Transformer-实现细节-注意力为什么需要缩放
• 077-NLP-传统序列模型-LSTM-案例-数据集
• 102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码
• 053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环
• 175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上
• 089-NLP-Seq2Seq-模型结构-解码器
• 110-NLP-Attention机制-工作原理-具体步骤
• 079-NLP-传统序列模型-LSTM-案例-模型训练
• 143-NLP-Transformer-案例-模型定义-基础结构
• 119-NLP-Transformer-模型结构-编码器-概述
• 129-NLP-Transformer-模型结构-编码器-小结
• 109-NLP-Attention机制-工作原理-概述
• 156-NLP-预训练模型-主流模型-BERT-概述
• 180-NLP-预训练模型-案例-数据预处理-下
• 136-NLP-Transformer-模型训练和推理机制
• 007-NLP-文本表示-分词-英文分词
• 092-NLP-Seq2Seq-模型结构-案例实操-概述
• 071-NLP-传统序列模型-LSTM-API-构造参数
• 032-NLP-传统序列模型-RNN-API-构造参数
• 065-NLP-传统序列模型-RNN-存在问题-概述
• 150-NLP-预训练模型-概述
• 037-NLP-传统序列模型-案例-概述
• 026-NLP-传统序列模型-RNN-概述
• 111-NLP-Attention机制-注意力评分函数
• 076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下
• 166-NLP-预训练模型-HF-Tokenizer-加载
• 186-NLP-预训练模型-案例-测试
• 151-NLP-预训练模型-分类
• 105-NLP-Seq2Seq-案例-评估脚本-bleu说明
• 061-NLP-传统序列模型-RNN-案例-评估脚本-编码
• 167-NLP-预训练模型-HF-Tokenizer-使用
• 181-NLP-预训练模型-案例-Dataloader
• 044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理
• 130-NLP-Transformer-模型结构-解码器-概述
• 094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件
• 067-NLP-传统序列模型-LSTM-概述
• 034-NLP-传统序列模型-RNN-API-输入输出-含义
• 114-NLP-Attention机制-案例-注意力机制-编码
• 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
• 024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题
• 169-NLP-预训练模型-HF-Datasets-概述
• 050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法
• 170-NLP-预训练模型-HF-Datasets-加载数据集
• 087-NLP-Seq2Seq-概述
• 168-NLP-预训练模型-HF-Tokenizer-模型配合使用
• 052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备
• 001-NLP-课程简介
• 038-NLP-传统序列模型-案例-思路分析-数据集说明
• 016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram
• 009-NLP-文本表示-分词-中文分词
• 027-NLP-传统序列模型-RNN-基础结构
• 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
• 178-NLP-预训练模型-HF-Datasets-集成Dataloader
• 069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸
• 028-NLP-传统序列模型-RNN-示意图
• 017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW
• 171-NLP-预训练模型-HF-Datasets-查看数据集
• 163-NLP-预训练模型-HF-模型加载-AutoModel
• 014-NLP-文本表示-词表示-one-hot&语义化词向量-概述
• 039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路
• 106-NLP-Seq2Seq-案例-评估脚本-编码
• 085-NLP-传统序列模型-GRU-案例实操
• 112-NLP-Attention机制-案例-代码升级改造思路
• 030-NLP-传统序列模型-RNN-双向结构
• 046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集
• 142-NLP-Transformer-案例-代码改造思路
• 075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上
• 158-NLP-预训练模型-主流模型-BERT-微调
• 002-NLP-课程概述
• 036-NLP-传统序列模型-RNN-API-小练习
• 115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改
• 082-NLP-传统序列模型-LSTM-存在问题
• 008-NLP-文本表示-分词-英文分词-BPE算法
• 140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出
• 125-NLP-Transformer-模型结构-编码器-残差连接-说明
• 185-NLP-预训练模型-案例-模型评估
• 128-NLP-Transformer-模型结构-编码器-说明
• 084-NLP-传统序列模型-GRU-复杂结构&API使用说明
• 182-NLP-预训练模型-案例-模型定义
• 080-NLP-传统序列模型-LSTM-案例-模型预测
• 135-NLP-Transformer-实现细节-注意力如何感知相对位置
• 159-NLP-预训练模型-主流模型-BERT-预训练
• 149-NLP-Transformer-哈佛版本-核心源码解读
• 152-NLP-预训练模型-主流模型-GPT-概述
• 100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器
• 031-NLP-传统序列模型-RNN-多层+双向结构
• 049-NLP-传统序列模型-RNN-案例-数据集-编码
• 023-NLP-文本表示-词表示-语义化词向量-应用-编码
• 108-NLP-Attention机制-概述
• 160-NLP-预训练模型-主流模型-T5-概述&模型结构
• 116-NLP-Transformer-概述
• 164-NLP-预训练模型-HF-模型加载-AutoModelForXXX
• 011-NLP-文本表示-分词-分词工具-jieba-分词模式
• 126-NLP-Transformer-模型结构-编码器-层归一化
• 051-NLP-传统序列模型-RNN-案例-模型定义-前向传播
• 123-NLP-Transformer-模型结构-编码器-前馈神经网络层
• 078-NLP-传统序列模型-LSTM-案例-模型定义
• 173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据
• 041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析
• 132-NLP-Transformer-模型结构-解码器-Cross-Attention
• 068-NLP-传统序列模型-LSTM-基础结构-说明
• 145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现
• 043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明
• 177-NLP-预训练模型-HF-Datasets-保存数据集
• 021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操
• 098-NLP-Seq2Seq-模型结构-案例实操-Dataloader
• 074-NLP-传统序列模型-LSTM-案例-数据处理-说明
• 006-NLP-文本表示-概述
• 133-NLP-Transformer-模型结构-解码器-小结
• 117-NLP-Transformer-核心思想
• 097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集
• 025-NLP-文本表示-词表示-上下文相关词向量
• 184-NLP-预训练模型-案例-模型推理
• 088-NLP-Seq2Seq-模型结构-编码器
• 146-NLP-Transformer-案例-模型定义-前向传播
• 162-NLP-预训练模型-HF-概述
• 104-NLP-Seq2Seq-案例-预测脚本
• 091-NLP-Seq2Seq-模型结构-推理机制
• 040-NLP-传统序列模型-RNN-案例-项目结构
• 179-NLP-预训练模型-案例-数据预处理-上
• 103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑
• 099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器
• 055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明
• 035-NLP-传统序列模型-RNN-API-输入输出-形状分析
• 020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述
• 057-NLP-传统序列模型-RNN-案例-预测脚本-说明
• 155-NLP-预训练模型-主流模型-GPT-微调
• 010-NLP-文本表示-分词-分词工具-概述
• 147-NLP-Transformer-案例-训练脚本
• 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
• 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
• 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
• 05-掌柜问数-问数智能体-合并召回信息-三
• 02-掌柜问数-问数智能体-召回字段取值
• 12-掌柜问数-问数智能体-校验SQL
• 16-掌柜问数-API接口-流式响应
• 08-掌柜问数-问数智能体-过滤表信息
• 10-掌柜问数-问数智能体-添加额外上下文
• 17-掌柜问数-API接口-SSE协议
• 09-掌柜问数-问数智能体-过滤指标信息
• data-agent
• 06-掌柜问数-问数智能体-合并召回信息-四
• 03-掌柜问数-问数智能体-合并召回信息-一
• 13-掌柜问数-问数智能体-校正SQL
• 15-掌柜问数-API接口-需求说明
• 18-掌柜问数-API接口-声明周期事件
• 04-掌柜问数-问数智能体-合并召回信息-二
• 11-掌柜问数-问数智能体-生成SQL
• 07-掌柜问数-问数智能体-合并召回信息-五
• 01-掌柜问数-问数智能体-召回指标信息
• day_04
• 06-掌柜问数-元数据知识库-脚本参数解析
• 08-掌柜问数-元数据知识库-读取配置文件
• data-agent
• 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
• 05-掌柜问数-元数据知识库-脚本执行说明
• 01-掌柜问数-Docker环境问题
• 02-掌柜问数-基础设置-MySQLClient-完善
• 03-掌柜问数-基础设置-日志相关配置
• 09-掌柜问数-元数据知识库-代码分层梳理
• 07-掌柜问数-元数据知识库-代码分层说明
• 04-掌柜问数-元数据知识库-需求说明
• day_03
• 09-掌柜问数-基础设施-MySQLClient-编码
• 05-掌柜问数-基础设施-ESClient-编码
• 10-掌柜问数-基础设施-MySQLClient-参数配置
• 02-掌柜问数-基础设施-ESClient-基础概念
• 01-掌柜问数-基础设施-QdrantClients-异步
• 06-掌柜问数-基础设施-EmbeddingClient-概述
• data-agent
• 03-掌柜问数-基础设施-ESClient-客户端概述
• 04-掌柜问数-基础设施-ESClient-快速入门
• 07-掌柜问数-基础设施-EmbeddingClient-编码
• 08-掌柜问数-基础设施-MySQLClient-快速入门
• day_02
• 07-掌柜问数-开发环境-启动所需服务
• 04-掌柜问数-开发环境-安装依赖
• 08-掌柜问数-基础设施-项目结构
• 03-掌柜问数-开发环境-UV使用说明
• 02-掌柜问数-开发环境-创建UV项目
• 11-掌柜问数-基础设施-Qdrant客户端
• 09-掌柜问数-基础设施-配置参数管理
• 06-掌柜问数-开发环境-Docker镜像使用说明
• 05-掌柜问数-开发环境-安装Docker
• 10-掌柜问数-基础设施-Qdrant快速入门
• 01-掌柜问数-课程回顾
• day_01
• 06-掌柜问数-项目架构-全文索引
• 04-掌柜问数-项目架构-元数据库
• 01-掌柜问数-项目概述
• 03-掌柜问数-项目架构
• 07-掌柜问数-项目架构-问数智能体
• 05-掌柜问数-项目架构-向量索引
• 02-掌柜问数-核心思想
• day_05（下午+晚上）
• 18-掌柜问数-问数智能体-召回字段信息-下
• 05-掌柜问数-元数据知识库-为字段信息建立向量索引-下
• 08-掌柜问数-元数据知识库-整理代码
• data-agent
• 11-掌柜问数-元数据知识库-最终测试
• 09-掌柜问数-元数据知识库-保存指标信息到元数据库
• 04-掌柜问数-元数据知识库-为字段信息建立向量索引-中
• 06-掌柜问数-元数据知识库-为字段取值构建全文索引-上
• 16-掌柜问数-问数智能体-抽取关键词
• 12-掌柜问数-问数智能体-流程回顾
• 07-掌柜问数-元数据知识库-为字段取值构建全文索引-下
• 10-掌柜问数-元数据知识库-为指标信息建立向量索引
• 13-掌柜问数-问数智能体-langgraph基础回顾
• 03-掌柜问数-元数据知识库-为字段信息建立向量索引-上
• 14-掌柜问数-问数智能体-流程图搭建
• 17-掌柜问数-问数智能体-召回字段信息-上
• 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
• 15-掌柜问数-问数智能体-流程图流式输出
• 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
• 3.代码
• data-agent
• data-agent-fronted
• 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
• 视频
• 08-智能体的整体介绍_coze的界面功能介绍
• 01-关于RAG的说明
• 03-关于模型续训的说明
• 04-关于智能体的说明（含mcp、工作流）
• 05-RAG的基本执行流程
• 07-以Dify为例演示RAG知识库的使用
• 11-创建智能体3：家庭记账软件_Dify智能体创建的简单演示
• 09-创建智能体1：深夜情感主播
• 10-创建智能体2：大学百事通
• 02-关于模型微调的说明
• 06-以CherryStudio和ima为例，说明RAG知识库的使用
• day01
• 大模型概述
• 视频
• 04-大模型的分类
• 06-大模型的训练环节
• 10-提示词工程的几个要素
• 02-为什么会出现大模型
• 11-提示词的边界_注意点
• 01-整体课程介绍
• 09-工程化落地的整体流程
• 08-工程化的几个模块_如何访问大模型
• 07-大模型的推理环节_算力和算力的瓶颈
• 05-大模型的4个要素
• 03-大模型中的计量单位
• 课件
• images
• webp
• RAG架构图.svg
• 尚硅谷大模型技术之大模型概述V1.0.3
• 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
• 视频
• 10-Coze案例：商品营销卖点提炼
• 08-Dify案例：客服对话记录分析
• 07-Coze案例：客服对话记录分析
• 04-大家几个问题的回复
• 03-coze案例：产品营销海报的生成
• 01-商户运营管家涉及到的几个项目的介绍
• 02-coze中如何导入现有的资源
• 09-Coze与Dify案例：商品评论分析
• 06-Dify案例：处理客户投诉助手
• 05-Dify案例：一键生成行业调研报告
• day04
• 视频
• 05-服务器配置的选择_Docker的安装
• 10-Dify平台接入Xinference的三种模型并演示使用
• 02-Python代码调用Dify平台的工作流
• 01-Python代码调用Coze平台的工作流
• 15-coze案例3之red_book_and_video_script工作流的搭建
• 12-coze案例3之set_product_name_and_desc工作流的搭建
• 14-coze案例3之selling2buying_point工作流的搭建
• 11-建议：相关资源的关闭
• 04-为什么要进行企业级大模型部署_部署方案
• 13-coze案例3之selling_point_generation工作流的搭建
• 16-小结
• 03-本地Ollama的部署说明
• 06-Dify的安装和部署
• 09-部署嵌入模型_部署重排序模型
• 08-AutoDL部署服务器_部署XInference_部署LLM
• 07-Dify平台部署在线大模型
• 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
• 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
• 30_向量化模型理论入门
• 12_创建提示词PromptTemplate下集
• 40_AI智能运维助手大厂真实案例
• 45_Agent智能体入门理论
• 04_model_provider课间答疑
• 27_记忆缓存之redis版
• 07_Ollama本地大模型部署
• 15_ChatPromptTemplate实例化参数3大类型
• 31_向量数据库
• 39_答疑和分割文档对象案例
• 37_文档加载器-代码案例
• 09_模型参数temperature补充
• 25_记忆中间件简介
• 02_langchain架构和未来趋势
• 19_输出解析器进阶用法
• 13_提示词3大主要方法
• 23_RunnableLambda回答同学提问
• 14_ChatPromptTemplate对话提示词模板创建
• 46_Agent演变过程
• 34_用redisStack作为向量存储
• 20_Runnable统一接口和方法
• 21_LCEL理论入门
• 03_模型调用入门
• 10_Prompt是什么
• 26_记忆缓存之内存版
• 24_记忆缓存为什么重要
• 22_链式调用基础用法案例代码
• 29_Tools实战天气查询
• 47_AgentReact推理执行案例
• 38_使用split_text方法进行文本分割
• 28_Tool工具调用理论
• 08_模型调用方法6大方法
• 44_课堂答疑交流
• 01_langchain简介和扯淡闲聊求职学习方法
• 18_输出解析器是什么及两大方法
• 11_提示词模板之构造方法
• 36_RAG流程和文档加载器理论
• 48_A2A案例讲解
• 41_MCP入门概念
• 17_外部加载Prompt
• 05_模型调用企业版
• 06_Model-IO大模型接口
• 42_MCP架构知识
• 35_RAG是什么能干嘛
• 16_MessagesPlaceholder消息占位符提示词模板
• 43_MCP案例FastMCP调用
• 33_文本嵌入模型常用编码模板
• 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
• 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
• 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
• 15_ChatPromptTemplate实例化参数3大类型
• 13_提示词3大主要方法
• 16_MessagesPlaceholder消息占位符提示词模板
• 19_输出解析器进阶用法
• 18_输出解析器是什么及两大方法
• 17_外部加载Prompt
• 14_ChatPromptTemplate对话提示词模板创建
• 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
• day04
• 01_vcr
• 29_Tools实战天气查询
• 26_记忆缓存之内存版
• 21_LCEL理论入门
• 20_Runnable统一接口和方法
• 28_Tool工具调用理论
• 23_RunnableLambda回答同学提问
• 22_链式调用基础用法案例代码
• 25_记忆中间件简介
• 27_记忆缓存之redis版
• 24_记忆缓存为什么重要
• 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
• 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
• 01_vcr
• 04_model_provider课间答疑
• 02_langchain架构和未来趋势
• 05_模型调用企业版
• 01_langchain简介和扯淡闲聊求职学习方法
• 03_模型调用入门
• day08 LangGraph速通
• 01_vcr(今天从第9集开始)
• 07_api之基本的State定义
• 01_LangGraph理论概述
• 05_图的构建流程-小总结
• 10_api之node的定义理论知识
• 12_api之node的异常重试处理机制
• 09_api之state的reducer更新策略
• 02_LangGraph的技术架构
• 06_api之图的构建流程
• 14_api之条件和入口点
• 03_LangGraphHelloWorld
• 04_加一点业务
• 13_api之edge普通边和条件边
• 11_api之node缓存策略
• 08_api之state的schema
• 15_api之send
• 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
• 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
• 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
• 27_记忆缓存之redis版
• 34_用redisStack作为向量存储
• 05_模型调用企业版
• 11_提示词模板之构造方法
• 26_记忆缓存之内存版
• 01_langchain简介和扯淡闲聊求职学习方法
• 06_Model-IO大模型接口
• 30_向量化模型理论入门
• 10_Prompt是什么
• 35_RAG是什么能干嘛
• 18_输出解析器是什么及两大方法
• 23_RunnableLambda回答同学提问
• 37_文档加载器-代码案例
• 36_RAG流程和文档加载器理论
• 32_文本向量化hello
• 03_模型调用入门
• 17_外部加载Prompt
• 21_LCEL理论入门
• 28_Tool工具调用理论
• 29_Tools实战天气查询
• 24_记忆缓存为什么重要
• 33_文本嵌入模型常用编码模板
• 20_Runnable统一接口和方法
• 38_使用split_text方法进行文本分割
• 22_链式调用基础用法案例代码
• 02_langchain架构和未来趋势
• 40_AI智能运维助手大厂真实案例
• 12_创建提示词PromptTemplate下集
• 13_提示词3大主要方法
• 15_ChatPromptTemplate实例化参数3大类型
• 19_输出解析器进阶用法
• 25_记忆中间件简介
• 14_ChatPromptTemplate对话提示词模板创建
• 07_Ollama本地大模型部署
• 31_向量数据库
• 16_MessagesPlaceholder消息占位符提示词模板
• 08_模型调用方法6大方法
• 39_答疑和分割文档对象案例
• 09_模型参数temperature补充
• 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
• 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
• 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
• 05_图的构建流程-小总结
• 16_api之Command
• 06_api之图的构建流程
• 21_构建Agent实现记忆存储
• 27_智能体技能
• 03_LangGraphHelloWorld
• 13_api之edge普通边和条件边
• 04_加一点业务
• 22_时间回溯(Time-Travel)
• 10_api之node的定义理论知识
• 20_数据库检查点(sqlite)
• 01_LangGraph理论概述
• 17_api之RuntimeContext运行时上下文
• 15_api之send
• 24_跨图状态交互
• 23_子图作为节点添加到父图
• 19_内存检查点
• 11_api之node缓存策略
• 18_高级特性之流式处理(Streaming)
• 08_api之state的schema
• 12_api之node的异常重试处理机制
• 25_多智能体架构理论说明
• 02_LangGraph的技术架构
• 14_api之条件和入口点
• 26_A2A主管和交接案例
• 07_api之基本的State定义
• 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
• 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
• 03_LangGraphHelloWorld
• 07_api之基本的State定义
• 02_LangGraph的技术架构
• 08_api之state的schema
• 05_图的构建流程-小总结
• 04_加一点业务
• 06_api之图的构建流程
• 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
• 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
• 09_模型参数temperature补充
• 08_模型调用方法6大方法
• 11_提示词模板之构造方法
• 07_Ollama本地大模型部署
• 06_Model-IO大模型接口
• FastMCP3.12版本支持
• 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
• 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
• 105-NLP-Seq2Seq-案例-评估脚本-bleu说明
• 016-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-Skip-Gram
• 028-NLP-传统序列模型-RNN-示意图
• 100-NLP-Seq2Seq-模型结构-案例实操-模型定义-解码器
• 009-NLP-文本表示-分词-中文分词
• 088-NLP-Seq2Seq-模型结构-编码器
• 134-NLP-Transformer-实现细节-注意力为什么需要缩放
• 172-NLP-预训练模型-HF-Datasets-加载在线数据集
• 067-NLP-传统序列模型-LSTM-概述
• 050-NLP-传统序列模型-RNN-案例-模型定义-初始化方法
• 073-NLP-传统序列模型-LSTM-案例-概述&思路分析
• 159-NLP-预训练模型-主流模型-BERT-预训练
• 129-NLP-Transformer-模型结构-编码器-小结
• 045-NLP-传统序列模型-RNN-案例-数据预处理-构建并保存词表
• 167-NLP-预训练模型-HF-Tokenizer-使用
• 093-NLP-Seq2Seq-模型结构-案例实操-需求分析
• 040-NLP-传统序列模型-RNN-案例-项目结构
• 143-NLP-Transformer-案例-模型定义-基础结构
• 054-NLP-传统序列模型-RNN-案例-训练脚本-单个轮次的训练逻辑
• 007-NLP-文本表示-分词-英文分词
• 131-NLP-Transformer-模型结构-解码器-Mask-Attention
• 119-NLP-Transformer-模型结构-编码器-概述
• 068-NLP-传统序列模型-LSTM-基础结构-说明
• 133-NLP-Transformer-模型结构-解码器-小结
• 152-NLP-预训练模型-主流模型-GPT-概述
• 125-NLP-Transformer-模型结构-编码器-残差连接-说明
• 051-NLP-传统序列模型-RNN-案例-模型定义-前向传播
• 023-NLP-文本表示-词表示-语义化词向量-应用-编码
• 111-NLP-Attention机制-注意力评分函数
• 005-NLP-环境准备
• 034-NLP-传统序列模型-RNN-API-输入输出-含义
• 056-NLP-传统序列模型-RNN-案例-训练脚本-保存模型
• 010-NLP-文本表示-分词-分词工具-概述
• 139-NLP-Transformer-API-nn.Transformer-forward方法-概述
• 103-NLP-Seq2Seq-模型结构-案例实操-训练脚本-pad_token处理逻辑
• 013-NLP-文本表示-分词-分词工具-jieba-自定义词典
• 141-NLP-Transformer-API-nn.Transformer-encoder&decoder
• 147-NLP-Transformer-案例-训练脚本
• 107-NLP-Seq2Seq-总结
• 090-NLP-Seq2Seq-模型结构-训练机制
• 177-NLP-预训练模型-HF-Datasets-保存数据集
• 116-NLP-Transformer-概述
• 149-NLP-Transformer-哈佛版本-核心源码解读
• 047-NLP-传统序列模型-RNN-案例-数据预处理-保存训练集&测试集
• 109-NLP-Attention机制-工作原理-概述
• 095-NLP-Seq2Seq-模型结构-案例实操-数据预处理-改造Tokenizer
• 086-NLP-传统序列模型-LSTM_GRU_RNN横向对比
• 127-NLP-Transformer-模型结构-编码器-位置编码
• 078-NLP-传统序列模型-LSTM-案例-模型定义
• 110-NLP-Attention机制-工作原理-具体步骤
• 076-NLP-传统序列模型-LSTM-案例-数据处理-编码-下
• 158-NLP-预训练模型-主流模型-BERT-微调
• 038-NLP-传统序列模型-案例-思路分析-数据集说明
• 075-NLP-传统序列模型-LSTM-案例-数据处理-编码-上
• 124-NLP-Transformer-模型结构-编码器-残差连接&层归一化-概述
• 083-NLP-传统序列模型-GRU-基础结构
• 183-NLP-预训练模型-案例-模型训练
• 011-NLP-文本表示-分词-分词工具-jieba-分词模式
• 120-NLP-Transformer-模型结构-编码器-自注意力子层-生成QKV向量
• 156-NLP-预训练模型-主流模型-BERT-概述
• 122-NLP-Transformer-模型结构-编码器-自注意力子层-多头注意力
• 153-NLP-预训练模型-主流模型-GPT-模型结构
• 184-NLP-预训练模型-案例-模型推理
• 021-NLP-文本表示-词表示-语义化词向量-训练词向量-实操
• 115-NLP-Attention机制-案例-注意力机制-训练和预测逻辑修改
• 025-NLP-文本表示-词表示-上下文相关词向量
• 039-NLP-传统序列模型-案例-思路分析-模型结构和训练思路
• 179-NLP-预训练模型-案例-数据预处理-上
• 069-NLP-传统序列模型-LSTM-缓解梯度消失和爆炸
• 071-NLP-传统序列模型-LSTM-API-构造参数
• 002-NLP-课程概述
• 072-NLP-传统序列模型-LSTM-API-输入输出
• 096-NLP-Seq2Seq-模型结构-案例实操-数据预处理-词表构建
• 114-NLP-Attention机制-案例-注意力机制-编码
• 031-NLP-传统序列模型-RNN-多层+双向结构
• 130-NLP-Transformer-模型结构-解码器-概述
• 077-NLP-传统序列模型-LSTM-案例-数据集
• 044-NLP-传统序列模型-RNN-案例-数据预处理-文件路径处理
• 091-NLP-Seq2Seq-模型结构-推理机制
• 046-NLP-传统序列模型-RNN-案例-数据预处理-构建训练集
• 049-NLP-传统序列模型-RNN-案例-数据集-编码
• 060-NLP-传统序列模型-RNN-案例-评估脚本-说明
• 137-NLP-Transformer-API-概述
• 160-NLP-预训练模型-主流模型-T5-概述&模型结构
• 063-NLP-传统序列模型-RNN-案例-Tokenizer-说明
• 080-NLP-传统序列模型-LSTM-案例-模型预测
• 163-NLP-预训练模型-HF-模型加载-AutoModel
• 118-NLP-Transformer-模型结构-整体结构
• 035-NLP-传统序列模型-RNN-API-输入输出-形状分析
• 081-NLP-传统序列模型-LSTM-案例-模型评估
• 052-NLP-传统序列模型-RNN-案例-训练脚本-环境准备
• 094-NLP-Seq2Seq-模型结构-案例实操-数据预处理-读取文件
• 146-NLP-Transformer-案例-模型定义-前向传播
• 171-NLP-预训练模型-HF-Datasets-查看数据集
• 175-NLP-预训练模型-HF-Datasets-预处理数据集-map-上
• 061-NLP-传统序列模型-RNN-案例-评估脚本-编码
• 026-NLP-传统序列模型-RNN-概述
• 138-NLP-Transformer-API-nn.Transformer-构造参数
• 033-NLP-传统序列模型-RNN-API-输入输出-概述
• 132-NLP-Transformer-模型结构-解码器-Cross-Attention
• 108-NLP-Attention机制-概述
• 055-NLP-传统序列模型-RNN-案例-训练脚本-Tensorboard使用说明
• 150-NLP-预训练模型-概述
• 182-NLP-预训练模型-案例-模型定义
• 029-NLP-传统序列模型-RNN-多层结构
• 164-NLP-预训练模型-HF-模型加载-AutoModelForXXX
• 102-NLP-Seq2Seq-模型结构-案例实操-训练脚本-核心代码
• 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
• 058-NLP-传统序列模型-RNN-案例-预测脚本-编码-上
• 176-NLP-预训练模型-HF-Datasets-预处理数据集-map-下
• 024-NLP-文本表示-词表示-语义化词向量-应用-OOV问题
• 169-NLP-预训练模型-HF-Datasets-概述
• 106-NLP-Seq2Seq-案例-评估脚本-编码
• 148-NLP-Transformer-案例-预测&评估脚本
• 173-NLP-预训练模型-HF-Datasets-预处理数据集-过滤数据
• 180-NLP-预训练模型-案例-数据预处理-下
• 174-NLP-预训练模型-HF-Datasets-预处理数据集-划分数据集
• 097-NLP-Seq2Seq-模型结构-案例实操-数据预处理-构建数据集
• 099-NLP-Seq2Seq-模型结构-案例实操-模型定义-编码器
• 126-NLP-Transformer-模型结构-编码器-层归一化
• 181-NLP-预训练模型-案例-Dataloader
• 003-NLP-导论-常见任务
• 064-NLP-传统序列模型-RNN-案例-Tokenizer-编码
• 113-NLP-Attention机制-案例-注意力机制-实现思路
• 036-NLP-传统序列模型-RNN-API-小练习
• 043-NLP-传统序列模型-RNN-案例-数据预处理-文件路径说明
• 008-NLP-文本表示-分词-英文分词-BPE算法
• 185-NLP-预训练模型-案例-模型评估
• 032-NLP-传统序列模型-RNN-API-构造参数
• 074-NLP-传统序列模型-LSTM-案例-数据处理-说明
• 136-NLP-Transformer-模型训练和推理机制
• 098-NLP-Seq2Seq-模型结构-案例实操-Dataloader
• 178-NLP-预训练模型-HF-Datasets-集成Dataloader
• 104-NLP-Seq2Seq-案例-预测脚本
• 084-NLP-传统序列模型-GRU-复杂结构&API使用说明
• 020-NLP-文本表示-词表示-语义化词向量-训练词向量-概述
• 101-NLP-Seq2Seq-模型结构-案例实操-模型定义-完整模型
• 006-NLP-文本表示-概述
• 042-NLP-传统序列模型-RNN-案例-数据预处理-读取json文件
• 027-NLP-传统序列模型-RNN-基础结构
• 004-NLP-导论-技术演进历史
• 066-NLP-传统序列模型-RNN-存在问题-分析
• 022-NLP-文本表示-词表示-语义化词向量-应用-概述
• 144-NLP-Transformer-案例-模型定义-位置编码-简易实现
• 089-NLP-Seq2Seq-模型结构-解码器
• 170-NLP-预训练模型-HF-Datasets-加载数据集
• 187-NLP-预训练模型-案例-带任务头的预训练模型
• 015-NLP-文本表示-词表示-语义化词向量-Word2Vec-概述
• 123-NLP-Transformer-模型结构-编码器-前馈神经网络层
• 059-NLP-传统序列模型-RNN-案例-预测脚本-编码-下
• 165-NLP-预训练模型-HF-模型使用
• 053-NLP-传统序列模型-RNN-案例-训练脚本-训练循环
• 142-NLP-Transformer-案例-代码改造思路
• 065-NLP-传统序列模型-RNN-存在问题-概述
• 057-NLP-传统序列模型-RNN-案例-预测脚本-说明
• 030-NLP-传统序列模型-RNN-双向结构
• 062-NLP-传统序列模型-RNN-案例-代码改造说明
• 155-NLP-预训练模型-主流模型-GPT-微调
• 037-NLP-传统序列模型-案例-概述
• 161-NLP-预训练模型-主流模型-T5-预训练&微调
• 079-NLP-传统序列模型-LSTM-案例-模型训练
• 001-NLP-课程简介
• 070-NLP-传统序列模型-LSTM-复杂结构
• 041-NLP-传统序列模型-RNN-案例-数据预处理-思路分析
• 157-NLP-预训练模型-主流模型-BERT-模型结构
• 087-NLP-Seq2Seq-概述
• 128-NLP-Transformer-模型结构-编码器-说明
• 082-NLP-传统序列模型-LSTM-存在问题
• 085-NLP-传统序列模型-GRU-案例实操
• 151-NLP-预训练模型-分类
• 162-NLP-预训练模型-HF-概述
• 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
• 017-NLP-文本表示-词表示-语义化词向量-Word2Vec-原理-CBOW
• 117-NLP-Transformer-核心思想
• 121-NLP-Transformer-模型结构-编码器-自注意力子层-完整计算过程
• 166-NLP-预训练模型-HF-Tokenizer-加载
• 168-NLP-预训练模型-HF-Tokenizer-模型配合使用
• 186-NLP-预训练模型-案例-测试
• 140-NLP-Transformer-API-nn.Transformer-forward方法-输入输出
• 112-NLP-Attention机制-案例-代码升级改造思路
• 154-NLP-预训练模型-主流模型-GPT-预训练
• 145-NLP-Transformer-案例-模型定义-位置编码-哈弗实现
• 048-NLP-传统序列模型-RNN-案例-数据集-说明
• 012-NLP-文本表示-分词-分词工具-jieba-分词模式-API
• 014-NLP-文本表示-词表示-one-hot&语义化词向量-概述
• 135-NLP-Transformer-实现细节-注意力如何感知相对位置
• NLP课程简介.txt
• 代码
• 智能体-课程大纲