课程目录

• 1.快速上手Python与AI生态
• 01. 课程简介
• 02. 第1章【基础语法】- 如何速通一门语言生态
• 03. 第1章【基础语法】- 安装Python环境
• 04. 第1章【基础语法】- 变量、数据类型、类型转换
• 05. 第1章【基础语法】- 运算符
• 06. 第1章【基础语法】- 流程控制
• 07. 第1章【基础语法】- 函数
• 08. 第1章【基础语法】- 数据结构
• 09. 第1章【基础语法】- 异常处理
• 10. 第1章【基础语法】- 面向对象
• 11. 第1章【基础语法】- 模块化
• 12. 第2章【进阶用法】- 包管理
• 13. 第2章【进阶用法】- 虚拟环境
• 14. 第2章【进阶用法】- 速查表
• 15. 第3章【JupyterLab】- 快速安装
• 16. 第3章【JupyterLab】- 笔记本操作
• 17. 第4章【智算平台】- 大模型的三个阶段
• 18. 第4章【智算平台】- 神经网络与显卡并行计算
• 19. 第4章【智算平台】- 开通服务器
• 20. 第4章【智算平台】- 部署数字人案例
• 21. 第5章【HuggingFace】- 模型、数据集、空间
• 22. 第5章【HuggingFace】- 大模型定义
• 23. 第5章【HuggingFace】- 按模态划分大模型
• 24. 第5章【HuggingFace】- 大模型其他分类
• 25. 第5章【HuggingFace】- 基础用法 - transformer库
• 26. 第5章【HuggingFace】- 基础用法 - pipeline模型流水线函数
• 27. 第5章【HuggingFace】- 基础用法 - 中文情感分类模型推理
• 28. 第5章【HuggingFace】- 基础用法 - 模型缓存位置
• 29. 第5章【HuggingFace】- 基础用法 - 多文本处理
• 30. 第5章【HuggingFace】- 基础用法 - 返回所有标签
• 31. 第5章【HuggingFace】- 基础用法 - 手动下载模型
• 32. 第5章【HuggingFace】- 基础用法 - 加载本地模型并推理
• 33. 第5章【HuggingFace】- NLP任务 - 任务详细分类
• 34. 第5章【HuggingFace】- NLP任务 - 文本分类模型与推理
• 35. 第5章【HuggingFace】- NLP任务 - 文本摘要模型与推理
• 36. 第5章【HuggingFace】- NLP任务 - NER（命名实体识别）模型与推理
• 37. 第5章【HuggingFace】- CV任务 - 任务详细分类
• 38. 第5章【HuggingFace】- CV任务 - 图片分类模型与推理
• 39. 第5章【HuggingFace】- CV任务 - 目标检测模型与推理
• 40. 第5章【HuggingFace】- 多模态任务 - 任务详细分类
• 41. 第5章【HuggingFace】- 多模态任务 - VQA（视觉问答）模型与推理
• 42. 第5章【HuggingFace】- 多模态任务 - DQA（文档问答）模型与推理
• 43. 第5章【HuggingFace】- 音频任务 - 任务分类
• 44. 第5章【HuggingFace】- 音频任务 - ASR（自动语音识别）模型与推理
• 45. 第5章【HuggingFace】- 音频任务 - TTS（文本转语音）模型与推理
• 46. 第5章【HuggingFace】- 音频任务 - TTA（文本转音频）模型与推理
• 47. 第5章【HuggingFace】- 实战小结
• 48. 第6章【Gradio】- 入门案例
• 49. 第6章【Gradio】- 情感分类模型页
• 50. 第6章【Gradio】- 目标检测模型页
• 51. 第7章【Flask】- 构建Python Web应用
• 52. 第7章【Flask】- 获取请求数据
• 53. 第7章【Flask】- 封装大模型REST服务
• -
• 2.Python全能实战
• 01. 课程介绍
• 02. 第1章【Conda】：安装配置与常用命令
• 03. 第1章【Conda】：项目工程创建
• 04. 第1章【Conda】：编辑器设置
• 05. 第2章【Numpy】：入门 - 简介&性能测试
• 06. 第2章【Numpy】：NDArray - N维数组概念
• 07. 第2章【Numpy】：NDArray - 基本结构&取值
• 08. 第2章【Numpy】：NDArray - 数组创建方式
• 09. 第2章【Numpy】：NDArray - 数据结构与内存布局
• 10. 第2章【Numpy】：索引与切片 - 一维数组
• 11. 第2章【Numpy】：索引与切片 - 二维数组
• 12. 第2章【Numpy】：数组运算 - 常见运算
• 13. 第2章【Numpy】：广播机制 - 变维、兼容、拉伸
• 14. 第2章【Numpy】：数组变形 - reshape
• 15. 第2章【Numpy】：数组变形 - 其他变形
• 16. 第2章【Numpy】：数组变形 - 拼接与分割
• 17. 第2章【Numpy】：数学运算 - 通用、三角、聚合函数
• 18. 第2章【Numpy】：线性代数 - 矩阵相乘
• 19. 第2章【Numpy】：线性代数 - 转置、逆、线性方程组等
• 20. 第2章【Numpy】：统计函数 - 基本统计
• 21. 第2章【Numpy】：统计函数 - 相关性分析
• 22. 第2章【Numpy】：随机数 - 常见生成方式
• 23. 第2章【Numpy总结】：案例：图像处理
• 24. 第2章【Pandas】：入门 - Pandas介绍
• 25. 第2章【Pandas】：数据集 - Series 一维数据
• 26. 第2章【Pandas】：数据集 - DataFrame 二维数据
• 27. 第2章【Pandas】：数据操作 - 新增
• 28. 第2章【Pandas】：数据操作 - 删除
• 29. 第2章【Pandas】：数据操作 - 修改
• 30. 第2章【Pandas】：数据概览 - 数据导入
• 31. 第2章【Pandas】：数据概览 - 数据查看
• 32. 第2章【Pandas】：数据概览 - 数据筛选
• 33. 第2章【Pandas】：数据概览 - 小实战
• 34. 第2章【Pandas】：数据概览 - 导出excel
• 35. 第2章【Pandas】：数据重塑 - 宽表转长表：melt
• 36. 第2章【Pandas】：数据重塑 - 长表转宽表：pivot
• 37. 第2章【Pandas】：数据清洗 - 类型转换
• 38. 第2章【Pandas】：数据清洗 - 数据分列
• 39. 第2章【Pandas】：数据清洗 - 行列聚合
• 40. 第2章【Pandas】：数据清洗 - 缺失值处理
• 41. 第2章【Pandas】：数据清洗 - 重复值处理
• 42. 第2章【Pandas】：数据转换 - 添加新列
• 43. 第2章【Pandas】：数据转换 - 字符串处理
• 44. 第2章【Pandas】：数据转换 - 排序
• 45. 第2章【Pandas】：数据转换 - 表格拼接
• 46. 第2章【Pandas】：分组聚合 - 统计指标
• 47. 第2章【Pandas】：分组聚合 - 相关性分析
• 48. 第2章【Pandas】：分组聚合 - cut区间分组
• 49. 第2章【Pandas】：分组聚合 - group分组
• 50. 第2章【Pandas】：分组聚合 - 聚合规则
• 51. 第2章【Pandas】：数据透视表 - pivot_table
• 52. 第2章【Pandas】：时间序列分析
• 53. 第2章【Pandas】：数据合并 - merge流程
• 54. 第2章【Pandas】：数据合并 - 四种连接
• 55. 第2章【Pandas】：数据合并 - 多列合并(1)
• 55. 第2章【Pandas】：数据合并 - 多列合并
• 56. 第2章【Pandas】：数据合并 - suffix自定义后缀
• 57. 第2章【Pandas】：数据合并 - 自定义on
• 58. 第2章【Pandas】：Pandas总结
• 59. 第3章【Matplotlib】：简介 - 入门案例
• 69. 第3章【Matplotlib】：简介 - 图表组件
• 70. 第3章【Matplotlib】：简介 - 两种绘图接口
• 71. 第3章【Matplotlib】：折线图 - 基本折线图
• 72. 第3章【Matplotlib】：折线图 - 多折线图
• 73. 第3章【Matplotlib】：柱状图 - 基本柱状图
• 74. 第3章【Matplotlib】：柱状图 - 分组柱状图
• 75. 第3章【Matplotlib】：柱状图 - 堆叠柱状图
• 76. 第3章【Matplotlib】：柱状图 - 水平柱状图
• 77. 第3章【Matplotlib】：饼状图 - 基础饼状图
• 78. 第3章【Matplotlib】：饼状图 - 环形图
• 79. 第3章【Matplotlib】：散点图 - 基本散点图
• 80. 第3章【Matplotlib】：气泡图 - 基本气泡图
• 81. 第3章【Matplotlib】：气泡图 - 多例气泡图
• 82. 第3章【Matplotlib】：直方图 - 基础直方图
• 83. 第3章【Matplotlib】：直方图 - 多组对比图
• 84. 第3章【Matplotlib】：直方图 - 概率密度图
• 85. 第3章【Matplotlib】：箱线图 - 解读箱线图
• 86. 第3章【Matplotlib】：箱线图 - 基本箱线图
• 87. 第3章【Matplotlib】：小提琴图 - 复杂图形绘制
• 88. 第3章【Matplotlib】：热力图 - 基本热力图
• 89. 第3章【Matplotlib】：热力图 - 相关性热力图
• 90. 第3章【Matplotlib】：热力图 - imshow其他用法
• 91. 第3章【Matplotlib】：图表小结
• 92. 第3章【Matplotlib】：高级配置 - 子图布局
• 93. 第3章【Matplotlib】：高级配置 - 自定义样式
• 94. 第3章【Matplotlib】：高级配置 - 自定义注释
• 95. 第3章【Matplotlib】：高级配置 - 图像保存
• 96. 第3章【Matplotlib】：Matplotlib总结
• -
• 3.智能体开发全套
• 1.AIGC篇
• day01-大模型入门
• 1. 直播计划
• 2. AI发展史
• 3. 人工智能核心体系
• 4. 去各种平台开通API KEY
• 5. 整合OpenAI SDK尝试调用第三方模型
• 6. 其他模型功能测试
• 7. OpenClaw整合飞书机器人
• 8. OpenClaw其他部署方式
• -
• day02-coze快速上手
• 1. 什么是Agent
• 10. Agent知识库 - 引入文档、表格知识库
• 11. 应用：创建应用&体验UI与工作流的绑定交互逻辑
• 12. 总结
• 2. 熟悉Coze界面
• 3. Agent配置 - 第一步：配置好人设提示词
• 4. Agent配置 - 第二步：配置大模型信息
• 5. Agent配置 - 第三步：增加插件调用功能
• 6. Agent配置 - 引入更多的插件
• 7. Agent对话体验 - 设置开场白和问题
• 8. Agent对话体验 - 快捷指令
• 9. Agent记忆 - 变量&数据库&长期记忆
• -
• day03-coze工作流
• 1. 工作流 - 节点核心三要素
• 2. 工作流 - 一个简单的工作流
• 3. 工作流 - 代码节点的使用
• 4. 工作流 - 测试图像生成等其他节点
• 5. 工作流 - 测试pdf插件等节点
• 6. 工作流 - 体验商业工作流
• 7. 工作流 - 案例：新员工入职工作流
• 8. 工作流 - 案例 - 员工信息引入问答，追加职级
• -
• day04-dify平台部署
• 1. coze - 企业员工入职工作流&技能调用问题
• 10. 本地模型 -xinference下载模型&运行推理&整合dify
• 11. 其他业务如何调用Dify工作流
• 12. 补充
• 2. 云服务器 - 开通&加速配置
• 3. 云服务器 - 安装docker
• 4. 云服务器 - docker配置nvidia显卡
• 5. dify - 安装dify
• 6. dify - 整合大模型云API
• 7. dify - 本地部署模型的常用框架（Ollama、Xinference、vLLM）
• 8. 本地模型 - ollama 安装&加载模型
• 9. 本地模型 - dify整合ollama本地模型
• -
• day05-comfyui平台
• 1. 上次问题
• 10. 小结
• 2. Comfy - 开通服务器&熟悉界面
• 3. Comfy - 案例：官方文生图
• 4. Comfy - 扩散模型思想：UNet、CLIP、VAE
• 5. Comfy - K采样器
• 6. Comfy - 自己绘制工作流
• 7. Comfy - 图生图流程
• 8. Comfy - 局部重绘
• 9. Comfy - 控制网络测试
• -
• day06-AIGC总结
• 1. AIGC模块 - 今天结束了
• 2. AIGC - 了解大模型
• 3. AIGC - ReAct Agent执行流程
• 4. AIGC - 多Agent能力的思考
• 5. AIGC - 通过Coze了解智能体开发的全貌
• 6. AIGC - 未来我们用到的技术
• -
• 2.Web开发
• day01-fastapi
• 1. web - 前置要求
• 10. fastapi - 请求处理 - RESTful 装饰器写法
• 11. fastapi - 路径参数 - 优先顺序问题
• 12. fastapi - 路径参数 - Path函数与元注解写法
• 13. fastapi - 查询参数 - 必选与可选写法
• 14. fastapi - 查询参数 - Query函数与元注解写法
• 15. fastapi - 请求头 - Header函数获取请求头数据
• 16. fastapi - 请求头 - 默认匹配规则
• 17. fastapi - 了解 param_functions 的其他函数功能
• 2. 为什么AI首选Python
• 3. 编程语言的发展
• 4. fastapi - 简介
• 5. fastapi - helloworld 写法
• 6. fastapi - python一些进阶语法
• 7. fastapi - pydantic数据校验测试
• 8. fastapi - python 元数据注解写法
• 9. fastapi - python 协程语法
• -
• day02-fastapi
• 1. fastapi - 请求处理 - 复习
• 2. fastapi - 请求处理 - 请求体与pydantic模型
• 3. fastapi - 请求处理 - form表单和文件上传
• 4. fastapi - 请求处理 - 使用pydantic校验请求数据
• 5. fastapi - 请求处理 - 直接使用Request对象
• 6. fastapi - 响应处理 - 响应任意数据&自定义响应头等
• 7. fastapi - 依赖注入 - 基本用法
• 8. fastapi - 依赖注入 - yield用法
• -
• day03-fastapi
• 1. fastapi - 下（完整版）
• -
• 废弃版（无声）
• 1. fastapi -异常处理 - 捕获某种异常，统一处理
• 10、最佳实践 - 工程分模块后，每种功能别忘了注册到app中
• 2. fastapi - 异常处理 - 统一异常处理与兜底处理
• 3、fastapi - 中间件 - 写法1：装饰器写法
• 4、fastapi - 中间件 - 写法2：继承类写法
• 5、fastapi - 中间件 - 多中间件洋葱模型
• 6、fastapi - 中间件 - 配置跨域中间件
• 7、fastapi - 生命周期 - 装饰器事件感知写法
• 8、fastapi - 生命周期 -使用lifespan方式【推荐】
• 9、最佳实践 - 工程分包结构
• -
• day04-sqlalchemy
• 1. sqlalchemy - 简介与ORM
• 10. sqlalchemy - orm功能：第一步：创建模型&创建表
• 11. sqlalchemy - orm功能：session api - 新增
• 12. sqlalchemy - orm功能：查询的两套API，可以从session开始，也可以直接自己select写sql
• 13. sqlalchemy - orm功能：修改用户
• 14. sqlalchemy - orm功能：删除用户
• 15. sqlalchemy - 总结：core 和 orm 模式用法
• 16. 工程运行办法
• 2. sqlalchemy - 快速上手 - 开通免费云数据库
• 3. sqlalchemy - 快速上手 - 核心概念
• 4. sqlalchemy - 第一行代码 - 第一步：创建引擎
• 5. sqlalchemy - 第一行代码 - 第二步：获取连接执行SQL
• 6. sqlalchemy - core功能：事务操作
• 7. sqlalchemy - core功能：各种方式获取结果集中的数据
• 8. sqlalchemy - core功能：批量参数&批量插入
• 9. sqlalchemy - core功能：总结
• -
• day05-sqlalchemy
• 1. sqlalchemy - orm功能：sessionmaker和脏追踪功能
• 10. sqlalchemy - 关联查询：N-N：模型定义&CRUD
• 11. sqlalchemy - 总结
• 2. sqlalchemy - 关联查询：关联关系复习
• 3. sqlalchemy - 关联查询：1-1：模型定义
• 4. sqlalchemy - 关联查询：1-1：保存完成
• 5. sqlalchemy - 关联查询：1-1：相互都可以直接获取&懒加载与joined立即加载
• 6. sqlalchemy - 关联查询：1-1：级联删除问题
• 7. sqlalchemy - 关联查询：1-1：backref和backpopulates用法
• 8. sqlalchemy - 关联查询：relationship核心参数
• 9. sqlalchemy - 关联查询：1-N：模型定义与CRUD
• -
• 3.Web项目
• day01-辰光Agent平台-搭建
• 1. 辰光Agent平台 - 项目介绍
• 10. 脚手架 - 步骤11-12：程序统一入口
• 11. 脚手架 - 测试：搭建成功
• 12. 脚手架 - 整合 alembic 做数据库迁移
• 13. 第一个示例模块：编写模型、产生数据库变更、注册路由
• 14. 脚手架 - 整合单元测试
• 15. 代码推送完成
• 2. 脚手架 - 项目结构创建完成
• 3. 脚手架 - 启动中间件&连接测试
• 4. 脚手架 - 步骤4：封装环境变量配置
• 5. 脚手架 - 步骤5：配置loguru日志整合
• 6. 脚手架 - 步骤6：编写数据库类
• 7. 脚手架 - 步骤7：创建基础的 orm 模型类
• 8. 脚手架 - 步骤8-9：创建通用数据库crud类&通用响应类
• 9. 脚手架 - 步骤10：统一异常处理
• -
• day02-辰光Agent平台-基本接口（登录、验证码、认证信息）
• 1. 接口 - 验证码 - 数据模型&Redis环境准备
• 1. 脚手架 - 功能流程
• 2. 接口 - 验证码 - 生成验证码测试成功
• 3. 接口 - 登录 - User数据变更&准备JWT工具
• 3. 接口 - 验证码 - 校验验证码完成
• 4. 接口 - 登录 - 密码加密工具测试完成
• 5. 接口 - 登录 - 登录完整逻辑完成
• 6. 接口 - 登录 - 登录成功返回jwt令牌
• 7. 接口 - 获取当前用户 - 使用依赖方式
• 8. 接口 - 测试获取当前用户信息 - 可以拿到 token，令牌校验失败，可能是库的问题
• 9.Postman工具测试接口
• -
• day03-辰光Agent平台 - RBAC模块
• 1. pycharm打开项目要设置解释器
• 2. 接口 - 登录 - jwt令牌的sub字段必须是str
• 3. RBAC - 简介
• 4. RBAC - 模型定义完成
• 5. RBAC - permission - 定义 Repository和Service操作
• 6. RBAC - permission - api接口编写
• 7. RBAC - permission - CRUD接口完成
• 8.RBAC - 联动编码测试，可以分配角色、权限并查询出数据
• 9. 小结
• -
• day04 - 辰光Agent平台 - 分页&模型CRUD等
• 1. 公共抽取分页逻辑 - 在repository层统一封装分页，api接受分页请求开始处理
• 2. vibecoding - 最佳实战用法
• 3. vibecoding - ai已经完美写好了登录、验证码等前端功能
• 4. 抄我coding - 每个模块的crud
• 5. 接下来所有的模块如何编写
• 6. ai代码完成，功能测试完成
• 7. 代码提交
• -
• day05 - 辰光Agent平台 - RAG知识库管理&Minio
• 1. 前置要求
• 2. 今日需求
• 3. Minio - 对象存储用法
• 4. Minio - 整合&测试文件上传
• 5. Minio - 封装MinioClient
• 6. 封装文档上传完整请求
• 7. 文件上传完成
• 8. 其他小功能完成
• -
• 4.RAG周
• day01 - 玩转 OpenAI SDK
• 1. RAG周 - 大致任务_大模型Agent开发 - 系统课程
• 10. OpenAI - 如何拿到流式响应json数据格式_大模型Agent开发 - 系统课程
• 2. OpenAI - 配置环境变量的API_KEY和BASE_URL_大模型Agent开发 - 系统课程
• 3. OpenAI - 调用Ollama和阿里云_大模型Agent开发 - 系统课程
• 4. OpenAI - 获取模型各种调用数据_大模型Agent开发 - 系统课程
• 5. OpenAI - chat_api 发送消息 messages结构_大模型Agent开发 - 系统课程
• 6. OpenAI - 本质还是发送请求_大模型Agent开发 - 系统课程
• 7. OpenAI - OpenAI构造函数接受的参数设置项_大模型Agent开发 - 系统课程
• 8. OpenAI - 构造函数 - 温度&top_P设置_大模型Agent开发 - 系统课程
• 9. OpenAI - create函数 - 流式输出解析_大模型Agent开发 - 系统课程
• -
• day02 - 模型进阶功能
• 1. OpenAI 进阶 - 使用ProxyPin 抓取和 大模型交互的数据包_大模型Agent开发 - 系统课程
• 10. OpenAI 进阶 - 上下文缓存_大模型Agent开发 - 系统课程
• 11. OpenAI 进阶 - 大模型函数&工具调用 - 内置工具_大模型Agent开发 - 系统课程
• 12. OpenAI 进阶 - 工具调用底层逻辑_大模型Agent开发 - 系统课程
• 13. OpenAI 进阶 - 项目模型测试页相关功能简介_大模型Agent开发 - 系统课程
• 2. OpenAI 进阶 - 多轮回话 - response.id串联让模型记住回话历史_大模型Agent开发 - 系统课程
• 3. OpenAI 进阶 - 多轮回话 - 构建回话历史列表_大模型Agent开发 - 系统课程
• 4. 小练习 - 多轮回话&回话记忆_大模型Agent开发 - 系统课程
• 5. 小练习 - 扩展 - 使用多轮总结技术，压缩回话上下文_大模型Agent开发 - 系统课程
• 6. OpenAI 进阶 - 图像多模态数据问答请求构造_大模型Agent开发 - 系统课程
• 7. OpenAI 进阶 - 多轮回话复习_大模型Agent开发 - 系统课程
• 8. OpenAI 进阶 - sse原理_大模型Agent开发 - 系统课程
• 9. OpenAI 进阶 - 结构化输出与视觉推理_大模型Agent开发 - 系统课程
• -
• day03 - 手搓RAG原理
• 1. RAG - 大模型现存问题与RAG方案_大模型Agent开发 - 系统课程
• 10. 手搓RAG - 第三步优化_大模型Agent开发 - 系统课程
• 11. 手搓RAG - 扩展：余弦相似度计算_大模型Agent开发 - 系统课程
• 12. 手搓RAG - 第四步：数据保存到向量库_大模型Agent开发 - 系统课程
• 13. 手搓RAG - 离线阶段完整步骤_大模型Agent开发 - 系统课程
• 14. 手搓RAG - 离线步骤小结_大模型Agent开发 - 系统课程
• 2. RAG - rag流程离线索引与在线查询双阶段_大模型Agent开发 - 系统课程
• 3. RAG - rag vs fine-tuning_大模型Agent开发 - 系统课程
• 4. RAG - 四代RAG进化流程_大模型Agent开发 - 系统课程
• 5. RAG - RAG落地方案_大模型Agent开发 - 系统课程
• 6. RAG - 六大核心组件_大模型Agent开发 - 系统课程
• 7. 手搓RAG - 第一步：Embedding - API封装_大模型Agent开发 - 系统课程
• 8. 手搓RAG - 第二步：文档加载 API 封装_大模型Agent开发 - 系统课程
• 9. 手搓RAG - 第三步：文档切分为chunks_大模型Agent开发 - 系统课程
• 9. 第二步优化_大模型Agent开发 - 系统课程
• -
• day04 - LlamaIndex 入门
• 1. 手搓 RAG：基于用户问题去向量库检索到结果
• 2. 手搓 RAG：构建Prompt，调用大模型生成回答
• 3. LlamaIndex：组件概览
• 4. LlamaIndex：聊天、智能体、RAG 一句话
• -
• day05 - Milvus向量库
• 1. LlamaIndex - 复习
• 10. Milvus：CRUD：查询数据
• 11. Milvus：CRUD：更新（upsert）先删除再更新，支持 部分更新
• 12. Milvus：CRUD：删除数据
• 13. Milvus：高级检索：ann指定检索字段和相似度算法
• 14. Milvus：高级检索：ann其他设置
• 15. Milvus：高级检索：过滤搜索
• 16. Milvus：高级搜索：范围检索
• 17. MilVus：高级搜索：分组搜索
• 18. Milvus：高级搜索：主键搜索
• 19. Milvus：高级搜索：混合检索
• 2. LlamaIndex - Unstructed库
• 20. 结束
• 3. LlamaIndex - 了解文档解析各大方案&LlamaIndex内置方案
• 4. Milvus：安装
• 5. Milvus：架构方式
• 6. Milvus：基本概念
• 7. Milvus：CRUD：建立链接
• 8. Milvus：CRUD：创建集合、schema（表结构）、字段、索引
• 9. Milvus：CRUD：插入数据
• -
• day06 - Modular RAG（llamaindex版）
• 1. Milvus：复习
• 10. Modular RAG - 实时：生成器（答案、引用来源）
• 11. Modular RAG - 实时：测试完整流程
• 12. Modular RAG - Agentic RAG的雏形
• 2. Milvus：全文检索
• 3. Milvus：进阶原理部分
• 4. Milvus：阈值调整（黄金比例原则）
• 5. Modular RAG - 基本原理
• 6. Modular RAG - 离线流程完成（文档解析、切片、向量化保存）
• 7. Modular RAG - 实时：查询前处理（查询扩展、查询重写、意图识别等）
• 8. Modular RAG - 实时：查询器完成
• 9. Modular RAG - 实时：查询后处理（相似度过滤、重排）
• -
• 5.Agent周
• day01 - 上手 LangChain
• 1. LangChain - 介绍
• 10. LangChain - Agent：如何学习官方文档
• 11. 小问题
• 2. LangChain - 万物从 create_agent 开始
• 3. LangChain - 细节1：模型提供商的包名
• 4. LangChain - 细节2：模型参数设置
• 5. LangChain - 一个企业Agent的完整流程
• 6. LangChain - Agent：模型配置
• 7. LangChain - Agent：动态模型选择
• 8. LangChain - Agent：工具细节
• 9. LangChain - Agent：核心组件小结
• -
• day02 - LangChain 核心组件
• 1. LangChain - agent基本组件复习
• 10. LangChain - 核心组件：Model：其他配置
• 11. LangChain - 核心组件：Tool：使用ToolRuntime来获取各种共享位置数据
• 12. LangChain - 核心组件：长期记忆
• 13. 工具练习：整合数据库工具，写一个自己的SQL智能体
• 2. LangChain - 结构化输出
• 3. LangChain - 短期记忆
• 4. LangChain - 流式响应
• 5. LangChain - 中间件
• 6. LangChain - Agent 所有字段的作用
• 7. LangChain - 核心组件：Model 基础设置
• 8. LangChain - 核心组件：Model - 工具调用
• 9. LangChain - 核心组件：Model：结构化输出的方式
• -
• day03 - LangChain 高级用法
• 1. LangChaini - 复习
• 10. LangChain - 高级 - 护栏机制
• 11. LangChain - 高级 - 运行时数据共享
• 12. LangChain - 高级 - 上下文数据
• 13. LangChain - 高级 - MCP Server与客户端交换数据的两种方式（http、stdio）
• 14. LangChain - 高级 - MCP Client 进行工具调用
• 15. LangChain - 高级 - MCP 拦截器
• 16. LangChain - 高级 - 使用 Tavily 进行web搜索
• 17. LangChain - 高级 - 调用modelscope的各种工具
• 18. 各种工具调用
• 2. LangChain - 短期记忆：创建 agent 的时候使用 checkpointer 指定
• 3. LangChain - 短期记忆：自定义数据格式&在工具调用中获取数据
• 4. LangChain -短期记忆：消息窗口溢出的三种解决方式（修剪、删除、总结）
• 5. LangChain - 短期记忆：其他配置
• 6. LangChain - 高级 - 中间件 - 流程&创建的几种方式
• 7. LangChain - 高级 - 中间件 - 指定跳转can_jump_to
• 8. LangChain - 高级 - 中间件 - 多个中间件执行顺序
• 9. LangChain - 高级 - 中间件 - 更多示例
• -
• day04 - LangChain 高级用法
• 1. LangChain - 复习
• 10. LangChain - 多智能体：第三步：封装每个子Agent为工具
• 11. LangChain - 多智能体：功能测试完成
• 12. LangChain - Skills - 技能
• 13. LangChain - Skills - OpenClaw和Skills的交互逻辑
• 14. LangChain - Skills - 使用LangChain实现动态加载skills需要工具加中间件配合
• 15. LangChain - Skills - 案例：SQL助手
• 16. DeepAgents - 加载社区的任意 Skill -
• 17. LangGraph - 用一个RAG流程解密LangGraph用法
• 18. LangChain 创建的 Agent 就是 StateGraph
• 2. LangChain - HIL：人工介入
• 3. LangChain - HIL：流式输出
• 4. AgentChatUI - 工程创建
• 5. AgentChatUI - 整合后端Agent进行测试
• 6. Agent前后联调
• 7. LangChain - 多智能体：核心机制
• 8. LangChain - 多智能体：第一步：创建 日历子Agent
• 9. LangChain - 多智能体：第二步：创建邮件子Agent
• -
• day05 - ClaudeCode顶级智能体 - 源码分析
• 1. Claude Code - 安装
• 2. Claude Code - 源码下载与配置
• 3. Claude Code - 各种文件夹功能概览
• 4. Claude Code - Query Loop 全流程
• 5. Claude Code - QueryLoop 总结
• -
• day06 - 加餐：CC源码与Harness系统
• 1. cc源码 - queryLoop：分层压缩、模型调用、工具调用结果获取、组装所有数据进入下一轮
• 2. cc源码 - 短期记忆：维护对话历史的机制
• 3. cc源码 - 长期记忆：长期记忆召回与回灌
• 4. cc源码 - 工具调用：核心机制
• 5. 扯到DDD
• 6. cc源码 - skill加载
• 7. cc源码 - HITL
• 8. 从 harness 到 deepagents
• -
• day07 - 复习：RAG & Agent体系
• 1. 复习：RAG篇 - OpenAI & RAG演进
• 2. 复习：RAG篇 - Milvus
• 3. 复习：RAG篇 - LlamaIndex RAG实现
• 4. 复习：LangChain 篇 - 智能体核心
• -
• 6.天宫医疗
• day01 - 基础环境&Neo4j
• 1. 天宫医疗 - 背景介绍
• 10. Neo4j - 路径查询与聚合统计
• 11. Neo4j - 其他点
• 2. 天宫医疗 - 项目架构理解
• 3. 天宫医疗 - 项目脚手架创建
• 4. 天宫医疗 - 数据库初始化成功
• 5. 天宫医疗 - fastapi启动测试完成
• 6. 天宫医疗 - 初始化知识图谱数据，pg数据明天再搞
• 7. Neo4j - 基本概念
• 8. Neo4j - 可视化操作
• 9. Neo4j - 基本查询与多跳查询
• -
• day02 - 记忆系统改造
• 01. 天宫医疗 - 导入 PG 数据
• 02. 天宫医疗 - 短期记忆改造：必要性
• 03. 天宫医疗 - 短期记忆改造：整合 Redis Stack（包含RedisJson、RediSearch）
• 04. 天宫医疗 - 短期记忆改造：单元测试redis短期记忆功能
• 05. 天宫医疗 - 短期记忆改造：引入 会话压缩总结 中间件
• 06. 天宫医疗 - 短期记忆改造：一些原理细节
• 07. 天宫医疗 - 长期记忆改造：自定义 MilvusStore 实现 BaseStore
• 08. 天宫医疗 - 长期记忆改造：为长期记忆编写调用工具
• 09. 天宫医疗 - 长期记忆改造：给Agent追加长期记忆功能
• 10. 天宫医疗 - 长期记忆改造：验证通过
• 11. 天宫医疗 - MultiAgent 改造思路
• -
• day03 - 智慧问诊 Agent
• 01. MultiAgent：架构搭建
• 02. 智慧问诊：需求描述‘
• 03. 智慧问诊：核心流程
• 04. 智慧问诊：状态机对象
• 05. 智慧问诊：一些 Neo4j的Cypher查询
• 06. 智慧问诊：置信度、追问策略、边界处理等
• 07. 智慧问诊：症状同义词三层处理方案
• 08. 智慧问诊：数据流与多轮对话设计
• 09. 智慧问诊：第一步：定义整个工作流用的状态机对象（各节点数据共享）
• 10. 智慧问诊：第二步：症状三层标准化流水线
• 11. 智慧问诊：第三步：初始化Milvus症状向量索引
• 12. 智慧问诊：后面功能简介
• -
• day04 - 智慧问诊 Workflow
• 01. 天宫医疗 - 模块讲解顺序
• 02. 智慧问诊 - 工作流：第四步：Neo4j 知识图谱检索‘
• 03. 智慧问诊 - 工作流：第五步：置信度计算与收敛判断
• 04. 智慧问诊 - 工作流：第六步：各个过程中用到的提示词模板
• 05. 智慧问诊 - 工作流：第七步：HIS系统数据库功能（查询患者信息，保存问诊记录）
• 06. 智慧问诊 - 工作流：第八步：核心九大节点功能
• 07. 智慧问诊 - 工作流：第八步：组装workflow的完整流程
• 08. 智慧问诊 - 工作流：第九步：改造 InquiryAgent 作为挂号助手
• 09. 智慧问诊 - 工作流：第十步：修改work_tools逻辑
• 10. 智慧问诊 - 工作流：第11步：对话流程
• 11. 智慧问诊 - 工作流：测试功能
• -
• day05 - 知识问答 Agent
• 01. 三种不同中间件的作用
• 02. 数据作用
• 03. 智慧问诊Agent：流程测试完成
• 04. 多路RAG系统：基础架构说明
• 05. 多轮RAG系统：第一步：提示词
• 06. 多路RAG系统：第二步：查询改写
• 07. 多路RAG系统：第三步：假设性回答
• 08. 多路RAG系统：第四步：reranker精排
• 09. 多路RAG系统：第五步：文档RAG
• 10. 多路RAG系统：第六步：图RAG
• 11. 多路RAG系统：第七步：NL2SQL
• 12. 多路RAG系统：第八步：幻觉检测
• 13. 多路RAG系统：第九步：多路融合检索
• 14. 多路RAG系统：第十步：业务：处方审核
• 15. 多路RAG系统：企业级工具基础功能
• 16. 多路RAG系统：第15步：MinerU与文档解析导入流程
• 17. 多路RAG系统：第16-17步：工具封装与 Knowledge Agent实现
• 18. Agent功能划分
• -
• 4.机器学习与深度学习基础
• 1.机器学习入门课
• day01 - 基础数学
• day01 - 基础数学 - 完整版
• -
• day02 - 概率
• 01_上节小复习
• 02_向量范数
• 03_矩阵的概念
• 04_矩阵计算基础知识
• 05_矩阵求导
• 06_方差标准差
• 07_三发导弹命中概率
• 08_概率似然性
• 09_联合概率
• 10_并集概率
• 11_全概率公式
• 12_贝叶斯公式
• 13_机器学习理论介绍
• -
• day03 - 特征建模
• 01_机器学习理论介绍
• 02_机器学习简介-数学篇
• 03_特征工程
• 04_特征工程之过滤法
• 05_归一化
• 06_归一化意义
• 07_标准化
• 08_特征转换代码演示
• 09_主成分分析
• 10_主成分分析PCA代码演示
• 11_损失函数
• 12_经验误差泛化误差
• 13_欠恰过拟合
• -
• day04 - 线性回归
• day04：线性回归
• -
• day05 - 逻辑回归
• day05：机器学习入门：逻辑回归
• -
• 2.深度学习入门课
• day01：多层感知机
• 1. 复习：机器学习 - 线性回归模型
• 2. 复习：机器学习 - 逻辑回归
• 3. 复习：机器学习 - 分类模型
• 4. 复习：机器学习 - 数据处理
• 5. 神经网络： 单层感知机：数学模型
• 6. 神经网络：单层感知机：门电路模拟&异或问题线性不可分
• 7. 神经网络：多层感知机：MLP模型&激活函数等
• -
• day02：反向传播机制
• 1. 反向传播：前置符号定义
• 2. 反向传播：BP1和BP2公式推导
• 3. 反向传播：BP3和BP4公式推导
• 4. 反向传播：手动推导传播过程
• 5. 反向传播：模型权重文件
• 6. PyTorch - 五大核心组件
• 7. PyTorch - 训练模型的步骤
• -
• day03：卷积神经网络
• day03：深度学习_ CNN 卷积神经网络-1
• day03：深度学习_ CNN 卷积神经网络-2
• -
• day04：RNN：循环神经网络
• day04 - ResNet、RNN
• -
• 5.模型量化微调与就业辅导
• 1.就业辅导
• day01 - 简历编写
• 简历编写技巧
• -
• day02 - RAG优化
• day02 - MinerU 与 Trulens
• -
• day03 - NL2SQL
• day03：多通道评估&NL2SQL
• -
• day04 - 项目话术
• 1. 面试话术：项目介绍话术
• 2. 面试题：大数据方案优化
• 3. 面试话术：智慧问诊Agent话术介绍
• 4. 面试话术：症状三层标准化管线与置信度收敛话术
• 5. 面试话术：急症识别话术
• 6. 面试话术：多维RAG系统
• 7. 面试话术：其他AI系统
• 8. 面试话术：简历项目经历写法
• -
• 2.VibeCoding
• day01：VibeCoding企业级实战
• vibecoding企业级实战：cc & superpowers
• -
• day02：VibeCoding认知与方法论
• Arry：VibeCoding认知与方法论
• -
• 3.模型微调、量化、加速推理、面试
• day01：Transformer与自注意力机制
• 1. 前置知识：Self-Attention机制
• 2. 前置知识：QKV计算流程
• 3. 前置知识：Transformer里面的FFN
• 4. 前置知识：自回归与KV Cache
• 5. 前置知识：数值精度与模型优化
• 6. 面试聊天
• -
• day02：模型微调&平安集团面试题
• 1. 微调技术族：基本概念
• 2. 微调技术族：全参微调
• 3. 微调技术族：LoRA原理
• 4. 平安集团：面试题讲解
• -
• day03：模型压缩（量化、剪枝）&中金面试题
• 1. 模型微调：LoRA 和 QLoRA
• 2. 模型微调：P-Tuning、Adapter Tuning等
• 3. 模型压缩：量化技术（GPTQ、AWQ、GGUF）
• 4. 模型压缩：剪枝技术
• 5. 面试题
• -
• day05：蚂蚁集团
• 1. 面试题：蒸馏一个生图skill
• 2. 面试题：MCP、CLI
• 3. 面试题：各种C端问题
• 4. 面试题：二面