课程目录

• 第1周-第1章 初探大模型-起源与发展
• 课件
• 参考论文
• 第1章：初探大模型-起源与发展
• 课程安排
• 1.课程整体内容安排
• 2.本章内容概述
• 3.初探大模型：起源与发展
• 4.注意力机制是什么（What）
• 5.为什么需要注意力机制（Why）以及如何实现（How）
• 6.变革里程碑：Transformer的崛起
• 7.走向不同：GPT与BERT的选择
• 第1周-第2章 GPT模型家族-从始至今
• 课件
• 第2章：GPT模型家族-从始至今
• 1.本章内容概述
• 2.GPT模型家族：从始至今
• 3.从GPT-1到GPT-3.5：一路的风云变幻
• 4.ChatGPT：赢在哪里
• 5.GPT-4：一个新的开始
• 第1周-第3章 提示学习
• 课件
• 第3章：提示学习
• 1.什么是提示学习（Prompt Learning）
• 2.思维链（Chain-of-Thought, CoT）：开山之作
• 3.自洽性（Self-Consistency）：多路径推理
• 4.思维树（Tree-of-Thoughts, ToT）：续写佳话(1)
• 第2周-第4章 大模型开发基础 -OpenAl Embedding
• 课件
• 第4章：大模型开发基础-Embedding
• 1.本章内容概述
• 2.通用人工智能的前夜
• 3.“三个世界”与“图灵测试”
• 4.计算机的数据表示
• 5.表示学习与嵌入（Embedding）
• 6.表示学习怎么学
• 7.如何评估表示学习
• 8.聚焦 Word Embedding
• 9.快速上手 OpenAI Embeddings
• 第2周-第5章 OpenAl 大模型开发与应用实践
• 课件
• 第5章：OpenAI 大模型开发与应用实践
• 1.本章内容概述
• 10.OpenAI API 实战：使用 tiktoken 计算 token 数量
• 2.OpenAI 语言模型总览
• 3.OpenAI 模型基准测试与微调简述
• 4.Token 计费与计算
• 5.OpenAI API 入门 – Models API
• 6.OpenAI API 入门 – 生成类 API
• 7.OpenAI API 实战 – Models API
• 8.OpenAI API 实战：文本内容补全初探（Text Completion）
• 9.OpenAI API 实战：聊天机器人初探（Chat Completion）
• 第2周-第6章 大模型应用最佳实践
• 课件
• 第6章：AI大模型应用最佳实践
• 1.如何提升 GPT 模型使用效率与质量
• 2. AI 大模型应用最佳实践
• 3. Function Calling – 使用 GPT 模型生成函数和参数
• 4. Function Calling – 使用 GPT 生成 SQL 查询并执行
• 第3周-第7章 第1部分 实战OpenAl-Translator
• 课件
• 第7章：实战OpenAI-Translator
• 1. OpenAI-Translator 市场需求分析
• 2. OpenAI-Translator 产品定义与功能规划
• 3. OpenAI-Translator 技术方案与架构设计
• 4. 实战PDF解析库pdfplumber
• 5. OpenAI-Translator 模块设计
• 第3周-第7章 第2部分 大模型应用开发入门：Assistants API
• 课件
• 第7章-大模型应用开发入门：Assistants API
• 1. 章节介绍
• 2. Assistants API 快速入门
• 3. Assistants 工具介绍与使用
• 4. 使用 Playground 调试 Assistants
• 5. Assistants 开发实战
• 第3周-第8章 实战ChatGPT Plugin开发
• 课件
• 第8章：实战 ChatGPT Plugin开发
• 1. 实战 ChatGPT Plugin 章节介绍
• 2. ChatGPT Plugin 开发指南
• 3. 实战天气预报（Weather Forecast）插件开发
• 4. Function Calling vs ChatGPT plugin
• 第4周-第10章 实战：使用GPTBuilder开发定制化ChatGPT
• 课件
• 第10章 实战 使用 GPT Builder 开发定制化 ChatGPT
• 1. 章节介绍
• 2. GPTs 应用开发与生态
• 3. GPTs 热门应用分享
• 4. GPTs vs Assistants API
• 5. 实战 GPT Builder 开发定制化 ChatGPT
• 6. 使用 GPT Builder 开发你的第一个 GPTs
• 7. 使用 Action 构建更复杂的 GPTs
• 第4周-第11章 大模型应用开发框架LangChain（上篇）
• 课件
• 第11章-大模型应用开发框架LangChain（上）
• 1. LangChain（上）章节介绍
• 2. LangChain 是什么
• 3. 为什么需要LangChain、使用场景及模块化设计
• 4. LangChain 核心模块入门
• 5. 标准化的大模型抽象：Mode IO
• 6. 模板化输入：Prompts & 语言模型：Models
• 7. 规范化输出：Output Parsers
• 第4周-第9章 OpenAl 多模态开发入
• 课件
• 第9章：OpenAI 多模态开发入门
• 1. 章节介绍
• 2. OpenAI 多模态能力总览
• 3. 多模态开发入门：图生文 GPT-4V
• 4. 多模态开发入门：文生图 DALL·E 3
• 5. 多模态开发入门：文生音 TTS
• 6. 多模态开发入门：音生文 Whisper
• 第5周-第12章 大模型应用开发框架LangChain(中篇)
• 课件
• 第12章-大模型应用开发框架LangChain(中)
• 1. LangChain（中）章节介绍
• 2. 大模型应用的最佳实践Chains
• 3. 实战：大模型应用的最佳实践Chains
• 4. 大模型应用记忆系统Memory
• 5. 实战：大模型应用记忆系统Memory
• 第5周-第13章 大模型应用开发框架LangChain(下篇)
• 课件
• 第13章-大模型应用开发框架LangChain(下)
• 1. LangChain（下）章节介绍
• 2. 框架原生的数据处理流Data Connection
• 3. 实战：数据处理流Data Connection
• 4. 构建复杂应用的代理系统Agents
• 5. 实战：LangChain Agents
• 第6周-第14章 实战OpenAl-Translatorv2.0
• 课件
• 第14章-实战 LangChain版 OpenAI-Translator v2.0
• 1. 章节介绍
• 2. 深入理解Chat Model和Chat Prompt Template
• 3. 实战Chat Model和Chat Prompt Template
• 4. 基于 LangChain 优化的 OpenAI-Translator
• 5. 实战：基于 LangChain 优化的 OpenAI-Translator
• 6. OpenAI-Translator v2.0 功能特性研发
• 7. 实战 OpenAI-Translator v2.0 功能特性研发
• 第6周-第15章 实战 LangChain 版AutoGPT
• 课件
• 第15章-实战 LangChain 版AutoGPT
• 1. 章节介绍
• 2. Auto-GPT 项目定位与价值解读
• 3. LangChain 版 Auto-GPT 技术方案与架构设计
• 4. LangChain 版 Auto-GPT 源码实现解读
• 5. 实战 LangChain 版 Auto-GPT
• 第7周-第16章 实战房产销售机器人Sales-Consultant
• 课件
• 第16章-实战房产销售机器人Sales-Consultant
• 1. 章节介绍
• 2. Sales-Consultant 业务流程与价值分析
• 3. Sales-Consultant 技术方案与架构设计
• 4. 实战 LangChain 版 Sales-Consultant
• 第7周-第17章 LangChain表达式语言（LCEL）入门与实战
• 课件
• 第17章 LangChain表达式语言（LCEL）入门与实战
• 1. 章节介绍
• 2. LangChain Expression Language 是什么
• 3. LCEL 设计理念与优势
• 4. LCEL Runnable 协议设计与使用
• 5. LCEL vs LangChain 古典语法
• 6. LCEL 进阶使用：整合复杂逻辑的多链
• 7. 实战 LCEL 开发与应用
• 第7周-第18章 生产级大模型应用开发平台 LangSmith
• 课件
• 第18章 生产级大模型应用开发平台 LangSmith
• 1. 章节介绍
• 2. LangSmith 是什么？
• 3. LangSmith 账号申请与开发环境搭建
• 4. LangSmith 服务协议与计价规则
• 5. LangSmith 平台功能介绍
• 6. LangSmith 上手实战
• 第8周-第19章 大模型应用落地与数据隐私
• 课件
• 第19章-大模型应用落地与数据隐私
• 1. 章节介绍
• 2. 大模型时代的开源与数据协议
• 3. 大语言模型的可解释性
• 4. 大语言模型应用的法规合规性
• 第8周-第20章 大模型开源生态与硬件选型
• 课件
• 第20章-大模型开源生态与硬件选型
• 1. 章节介绍
• 2. 大模型时代的Github：Hugging Face
• 3. 显卡选型推荐指南
• 第8周-第21章 ChatGLM3-6B大模型应用开发
• 课件
• 第21章-国产大模型 ChatGLM3 应用开发
• 1.章节介绍
• 2.智谱 AI GLM 大模型家族
• 3.基于 ChatGLM3-6B 的大模型应用开发
• 第9周-第22章 智谱AI GLM篇
• 1-GLM大模型家族介绍
• 1. GLM 大模型家族介绍
• 2-GLM-4、GLM-4V API 调用实践
• 2. 智谱第四代 API 介绍
• 3. API 基础教学和实战
• 3.问题解决办法.txt
• 4. 使用 GLM-4 API 构建模型和应用
• 5. 使用 GLM-4 从 0 到 1 搭建并优化 RAG 程序
• 5.使用GLM-4从0到1搭建并优化RAG程序
• 6. Diffusion 原理介绍
• 6.CogView3 & CharGLM 理论与实战
• 7. 模型训练的数据优化（DALLE3）
• 8. CogView3 及 API 调用演示
• 9. 超拟人大模型 CharacterGLM：理论与实战
• 9.code
• 9.超拟人大模型CharacterGLM：理论与实战
• 直播回放
• 10.17 第四次直播答疑
• 8.13 开营分享
• 8.20 第一次直播答疑
• 9.26 第三次直播答疑
• 01-课前准备.docx