课程介绍

课程目录

• 01 学习手册
• 01-05 毕业条件.html
• 01-03 学习群组与助教答疑.html
• 01-04 作业提交.html
• 01-01 欢迎来到AI 全栈开发实战营.html
• 01-06 课程有效期、延期&退费申请.html
• 01-02 课程安排.html
• 02 【直播回放】
• 02_0527直播回放剪辑_压缩
• 02-02 直播答疑（2025.6.4）.html
• 02_AI全栈开发1期直播答疑-7.9
• 02-05 直播答疑（2025.7.23）.html
• 02_AI全栈1期第一次答疑
• 02_AI全栈1期直播答疑7.23
• 02-06 直播答疑（2025.8.21）.html
• 02_AI全栈1期直播答疑8.21
• 02-04 直播答疑（2025.7.10）.html
• 02-03 直播答疑（2025.6.16）.html
• 深入解读Google2025开发者大会
• 02_AI全栈1期直播答疑6.16
• 03 第一章：机器学习与深度学习理论基础
• 03_1-1-4 非监督学习原理与典型应用
• 1-机器学习与深度学习理论基础
• 03_1-1-3 监督学习算法与应用场景
• 03_1-1-5 半监督学习与混合数据利用
• 03_1-1-1 AI通识基础与核心技术—课程介绍
• 03_1-1-2 机器学习基础（2025.6.4）
• 03-12 第一章作业.html
• 03_1-1-7 神经网络核心优势
• 参考答案-机器学习与深度学习理论基础
• 03_1-1-6 神经网络与深度学习基础
• 03_1-1-10 深度神经网络经典架构解析
• 03_1-1-11 深度学习框架生态与实践
• 03_1-1-9 前向与反向传播机制
• 03_1-1-8 神经元与激活函数
• 04 第二章：大模型发展全景与关键技术
• 04_1-2-5 多头注意力（Multi-Head Attention）：并行计算不同子空间的特征-
• 04_1-2-6 位置编码（Positional Encoding）：引入序列位置信息
• 04_1-2-10 稀疏注意力（Sparse Attention）：降低计算复杂度--
• 2-大模型发展全景与关键技术
• 04_1-2-3 注意力模型（Attention Model）：捕捉长距离依赖-
• 参考答案-大模型发展全景与关键技术
• 04_1-2-11 混合专家模型（MoE）：动态路由机制--
• 04_1-2-4 自注意力机制（Self-Attention）：语义理解的钥匙
• 04_1-2-2 Transformer架构的诞生与应用-
• 04_1-2-8 大模型的定义与特点--
• 04_1-2-12 模型压缩与加速：量化、知识蒸馏--
• 04_1-2-7 大模型技术突破与前沿趋势--
• 04-13 第二章作业.html
• 04_1-2-9 传统模型与大模型的差异--
• 04_1-2-1 大模型发展全景与关键技术—课程介绍
• 05 第三章：DeepSeek 现状、应用与技术创新
• 05_2-3-5 DeepSeek 应用开发快速入门
• 05_2-3-6 DeepSeek 提示工程核心原则与技巧
• 05_2-3-2 DeepSeek 现状、应用与技术创新
• 05_2-3-1 大模型应用与 Agent 开发入门
• 05-07 第三章作业（1）.html
• 05_2-3-8 DeepSeek 代码生成和测试实践
• 05-11 第三章作业（3）.html
• 05_2-3-3 DeepSeek 国运级爆火的现象与本质
• 05_2-3-7 DeepSeek 文案生成和迭代实践
• 05_2-3-9 DeepSeek 里程碑模型与关键技术
• 05_2-3-4 DeepSeek 等前沿大模型技术发展现状
• 05-09 第三章作业（2）.html
• 3-DeepSeek 现状、应用与技术创新
• 05_2-3-10 DeepSeek-R1 开启推理大模型新篇章
• 06 第四章：使用 DeepSeek 开发你的第一个 RAG
• 06_2-4-3 向量数据库快速入门与实践
• 4-使用 DeepSeek 开发你的第一个 RAG
• 06-01 1. 章节介绍.html
• 06-07 第四章作业（2）.html
• 06_2-4-5 实战：使用 DeepSeek API 开发智能问答系统
• 06-03 第四章作业（1）.html
• 06_2-4-1 章节介绍
• 06_2-4-4 检索增强生成（RAG）快速入门与实践
• 06-06 5. 实战：使用 DeepSeek API 开发智能问答系统.html
• 06_2-4-2 DeepSeek 应用开发入门
• 07 第五章：使用 DeepSeek 开发小红书爆款文案生成助手
• 07_3-5-2 Agent 理论基础与开发入门
• 5-使用DeepSeek开发小红书爆款文案生成助手
• 07_3-5-4 实战：使用 DeepSeek 开发小红书爆款文案生成助手
• 07_3-5-1 使用 DeepSeek 开发小红书文案生成助手
• 07_3-5-3 DeepSeek Agent 开发入门与案例分析
• 07-05 第五章作业.html
• 08 第六章：DeepSeek 私有化部署与最佳实践
• 08-06 第六章作业.html
• 6-DeepSeek私有化部署与最佳实践
• 08_3-6-2 私有化部署的概念与需求分析
• 08_3-6-3 大模型私有化部署技术选型
• 08_3-6-4 实战：基于 Ollama 的 DeepSeek 私有化部署
• 08_3-6-1 DeepSeek 私有化部署与最佳实践
• 08_3-6-5 实战：私有化部署的小红书爆款文案生成助手
• 09 第七章：大模型应用开发平台-Dify
• 09_4-7-3 Dify 开发平台简介-
• 09_4-7-4 Dify 平台使用方法-
• 09-07 第七章作业.html
• 09_4-7-2 大模型应用开发平台 Dify 快速入门-
• 09_4-7-6 实战：使用 Dify 快速搭建智能客服机器人-
• 09_4-7-1 Dify 篇：基于工作流编排的 Agent 设计与开发-
• 7-大模型应用开发平台+Dify
• 09_4-7-5 实战：使用 Dify 快速搭建 AI 图像生成应用-
• 10 第八章：LangBot 大模型原生即时通信机器人平台
• 8-LangBot+大模型原生即时通信机器人平台
• 10_4-8-4 实战： LangBot 微信智能对话机器人
• 10_4-8-1 LangBot 大模型原生即时通信机器人平台-
• 10_4-8-3 LangBot 快速部署方案-（2026.1.21）V2-校对版
• 10-05 第八章作业.html
• 10_4-8-2 LangBot 开发平台简介
• 11 第九章：使用Dify和LangBot研发多平台智能客服Agent
• 9-使用Dify和LangBot研发多平台智能客服Agent
• 11_5-9-1 使用 Dify 和 LangBot 研发多平台智能客服 Agent（配置字幕）
• 11_5-9-3 实战：企业微信 雪茄通-智能客服（RAG）（配置字幕）mp4
• 11-05 第九章作业.html
• 11_5-9-2 IM 多平台智能客服方案概述（配置字幕）
• 11_5-9-4 实战：飞书 高考志愿填报-智能客服（配置字幕6.21）
• 12 第十章：使用 Dify 研发自动代码生成 Agent
• 12_10-使用 Dify 研发代码自动生成 Agent-2
• 12_5-10-3 技术方案与架构设计
• 12_5-10-2 -生成-码-Agent-需求与价-值
• 10-使用Dify研发代码自动生成Agent
• 12-06 第十章作业.html
• 12_10-使用 Dify 研发代码自动生成 Agent-1
• 12_5-10-1 使用-Dify-研-代-自-生成-发-码-动-Agent
• 13 第十一章：MCP 篇-模型上下文协议快速入门与实战
• 11-模型上下文协议（MCP）简介
• 13_6-11-3 MCP 概述
• 13_6-11-5 使用 Cherry Studio 快速体验 MCP（后半部分无头像版）
• 13_6-11-1 MCP 篇：模型上下文协议（MCP）快速入门与实战
• 13_6-11-6 MCP 开源生态：站在巨人的肩膀上
• 13-07 第十一章作业.html
• 13_6-11-4 MCP 架构、组件与技术实现
• 13_6-11-2 模型上下文协议（MCP）简介
• 14 第十二章：模型上下文协议（MCP）部署与开发实战
• 14_6-12-1 模型上下文协议（MCP）部署与开发实战
• 14_6-12-5 深入浅出 MCP 底层技术原理
• 14_6-12-3 MCP 天气查询应用 实战与调试
• 14_6-12-2 MCP Server 开发与部署
• 12-模型上下文协议（MCP）部署与开发实战
• 14_6-12-4 基于 CLINE 开发与调试行程规划助手
• 14-06 第十二章作业.html
• 15 第十三章：A2A 协议与 MCP 的协同之道
• 15_7-13-03 深入 A2A 的运作肌理 (“How”)-
• 13-从个体赋能到群体智能：A2A+协议与+MCP+的协同之道
• 15_7-13-04 伟大的协同：当 MCP 遇见 A2A (“Synergy”)-
• 15_7-13-05 实战 A2A 官方 Python 示例 HelloWorld-
• 15_7-13-01 从个体赋能到群体智能：A2A 协议与 MCP 的协同之道-
• 15_7-13-02 AI 协作的黎明：A2A 协议系统性介绍-(“Why” & “What”)-
• 16 第十四章：FastGPT 篇-企业级知识库设计与RAG进阶开发
• 16_7-14-2 企业知识库与问答系统设计-
• 16_7-14-6 企业级应用的挑战与解决方案-
• 16_7-14-3 回顾与反思：从原型到产品的生产化鸿沟-_1
• 16_7-14-1 FastGPT 篇：企业级知识库设计与 RAG 进阶开发-
• 16_7-14-4 企业数据治理与知识库搭建-_1
• 16_7-14-5 企业级 RAG 系统设计方案--
• 14-企业级知识库与问答系统设计
• 17 第十五章：企业级 RAG 开发框架 FastGPT 快速入门
• 17_8-15-5 基于办公服务模版快速开发 雪茄百科问答
• 17_8-15-6 实战：雪茄百科问答与 AI 行政助理开发
• 17-08 8. 第十五章作业.html
• 17_8-15-3 快速上手FastGPT在线版
• 17_8-15-1 企业级RAG开发框架FastGPT快速入门
• 15-企业级 RAG 开发框架 FastGPT 快速入门
• 17_8-15-7 使用docker compose 快速部署 FastGPT（2026.1.21）
• 17_8-15-2 FastGPT项目概述
• 17-07 7. 使用 Docker Compose 快速部署 FastGPT.html
• 17_8-15-4 实战：知识库构建与自动生成问答对
• 18 第十六章：使用 Fast GPT 开发企业级智能问答 Agent
• 18_8-16-3 实践；AI行政助理Pro开发与测试
• 18_8-16-6 FastGPT API发布与接入飞书机器人
• 18-07 第十六章作业.html
• 18_8-16-1 使用Fast GPT开发企业级智能问答Agent
• 16-使用FastGPT开发企业级智能问答Agent
• 18_8-16-2 FasGPT高级功能实践：AI行政助理Pro
• 18_8-16-5 实战：电商专业客服RAG开发与测试
• 18_8-16-4 FastGPT高级功能实践：电商专业客服RAG
• 19 第十七章：企业应用中的权限分级控制与数据隐私保护
• 19_9-17-1
• 19_9-17-6 数据合规性保障
• 19_9-17-5 数据加密与隔离策略
• 19_3. 权限分级设计与实施
• 19_9-17-4 训练中的数据隐私保护策略
• 17-企业应用中的权限分级控制与数据隐私保护
• 19-07 第十七章作业.html
• 19_9-17-2
• 20 第十八章：跨行业经验复制与应用
• 20_9-18-1 跨行业经验复制与应用
• 18-跨行业经验复制与应用
• 20_9-18-2 跨行业移植的核心方法论
• 20_9-18-5 行业案例深潜：教育领域的移植实践
• 20_9-18-4 行业案例深潜：医疗领域的移植实践
• 20_9-18-3 行业案列深潜：金融领域的移植实践
• 21 第十九章：代码生成 Agent- 产品、技术与商业模式
• 19-代码生成 Agent 产品、技术与商业模式
• 22 第二十章：国际巨头引领的大模型技术路线
• 22_10-20-4 Anthropic & Google & xAI：差异化竞争的探索者
• 22_10-20-1 模型篇：知识驱动与推理驱动的大模型竞争格局
• 22_10-20-3 Meta LLaMA-开源世界的“普罗米修斯”
• 20-国际巨头引领的大模型技术路线
• 22_10-20-2 国际巨头引领的大模型技术路线
• 22_10-20-5 国际主流大模型能力对比与选型策略
• 23 第二十一章：国内先驱主导的开源先进模型
• 21_10-19-5 Code Agent 商业模式与企业战略
• 21_10-19-4 揭露Code Agent 背后的核心技术栈
• 21-国内先驱主导的开源先进模型
• 23_11-21-2 追求极致性能的技术派——DeepSeek
• 21_10-19-2 AI时代的“新”程序员：Code Agent 市场概览
• 21_10-19-1 代码生成 Agent：产品、技术与商业模式
• 21_10-19-3 业界标杆产品深度剖析（Case Study）
• 23_11-21-3 覆盖全场景的生态王者——Qwen
• 23_11-21-1 国内先驱主导的开源先进模型
• 23_11-21-4 突围的后起之秀——Minimax与Kimi
• 24 第二十二章：展望未来——大模型应用的趋势与挑战
• 24_11-22-4 开发者的未来：AI时代的职业机会与终身学习
• 22-展望未来：大模型应用的趋势与挑战
• 24_11-22-3 外部环境变化对大模型的影响：浪潮中的航向
• 24_11-22-2 未来已来：大模型的技术演进与趋势预测
• 24_11-22-1 展望未来：大模型应用的趋势与挑战
• 25 第二十三章：DeepSeek 模型微调与蒸馏
• 25_12-23-1 训练篇：DeepSeek模型微调与蒸馏
• 25_12-23-6 案例分析：看DeepSeek- R1模型如何被“驯服”
• 25_12-23-5 高效微调（PEFT）：四两拨千斤的“教学”魔法
• 25-07 第二十三章作业.html
• 25_12-23-2 DeepSeek- R1模型微调与案例分析
• 25_12-23-3 战略抉择：当RAG不再足够，我们为何需要微调？
• 23-DeepSeek-R1模型微调与案例分析
• 25_12-23-4 指令微调：为大模型设计一套“精英课程”
• 26 第二十四章：实战 DeepSeek-R1-Qwen 小模型蒸馏
• 26_12-24-2 蒸馏理论：巨人的智慧如何传承
• 26_12-24-6 实战：使用 Unsloth 高效蒸馏 DeepSeek-R1-Distill-Qwen-1.5B-2
• 24-实战DeepSeek-R1-Qwen小模型蒸馏
• 26_12-24-4 工具与流程：如何开始训练
• 26_12-24-5 实战：使用 Unsloth 高效蒸馏 DeepSeek-R1-Distill-Qwen-1.5B-1
• 26-07 第二十四章作业.html
• 26_12-24-3 工具与流程：高效蒸馏的现代化工作流
• 26_12-24-1 实战 DeepSeek-R1-Qwen 小模型蒸馏
• 27 毕业总结（必交）
• 27-01 毕业总结（必交）.html