1.什么是智能 Agent--多任务协同的核心角色
15:53
2.Agent 架构解析模型、工具与调度逻辑
16:29
3.执行机制揭秘从自然语言到自动决策
11:45
4.意图识别与任务匹配如何理解用户需求
14:18
5.多工具动态调用实战构建可扩展的智能助手
28:32
1.快速构建对话系统，实现与大模型的高效交互
15:53
2.利用内存模块实现多轮对话和上下文跟踪
14:42
3. 使用API集成实时数据提升模型回答的准确性
15:48
4.通过自定义工具扩展模型功能，支持多场景应用
17:00
5.结合Agent实现智能决策与自动化任务执行
25:53
1.2025年AI岗位趋势和薪资水平
17:08
2.个人需要掌握哪些AI技术栈
15:58
3.大专本科学历，学AI大模型好就业吗
14:10
4.大龄零基础转行还来得及吗
14:46
5.自学还是报班报班能达到预期目标吗
10:58
6.深度剖析多套年薪60W+Offer简历
16:03
大模型之LangChain：Agent-ReActAgent
11:03
大模型之LangChain：Agent-SelfAskAgent
04:23
大模型之LangChain：Agent-基础应用(上)
12:35
大模型之LangChain：Agent-基础应用(下)
11:58
大模型之LangChain：Agent-添加记忆
06:08
大模型之LangChain：Agent-小案例1
07:14
大模型之LangChain：Agent-小案例2
07:57
大模型之LangChain：chain链-官方工具链介绍(上)
15:09
大模型之LangChain：chain链-官方工具链介绍(下)
09:47
大模型之LangChain：Chain链-基本应用
09:26
大模型之LangChain：chain链-链的调用
06:46
大模型之LangChain：LangChain的基本介绍
09:21
大模型之LangChain：Memory(上)
09:20
大模型之LangChain：Memory(下)
10:04
大模型之LangChain：Model-介绍
04:30
大模型之LangChain：Model-聊天模型
05:00
大模型之LangChain：Model-输出解析器
05:01
大模型之LangChain：Model-提示词模板-基本使用(1)
10:57
大模型之LangChain：Model-提示词模板-基本使用
10:57
大模型之LangChain：Model-提示词模版-ChatPromptTemplate(上)
07:18
大模型之LangChain：Model-提示词模版-ChatPromptTemplate(下)
06:05
大模型之LangChain：Model-提示词模版-少样本案例模版(1)
08:58
大模型之LangChain：Model-提示词模版-少样本案例模版
08:58
大模型之LangChain：Model-文本嵌入模型
06:38
大模型之LangChain：Model-语言模型-MoonShot和通义千问集成
08:21
大模型之LangChain：Model-语言模型-介绍
06:47
大模型之LangChain：Model-语言模型-智普大模型接入
04:17
大模型之LangChain：RAG+LangChain实现
10:51
大模型之LangChain：RAG-检索器和完整RAG案例
10:16
大模型之LangChain：RAG-文本向量化和向量存储
06:42
大模型之LangChain：RAG-文档加载和文档切割
09:42
大模型之LangChain：Tools
10:07
大模型之LangChain：基本和提示词模板
09:40
大模型之LangChain：输出结果解析器
10:52
大模型之LangChain：虚拟环境(上)
10:06
大模型之LangChain：虚拟环境(下)
05:51
大模型之RAG：Embeddings处理
10:18
大模型之RAG：RAG工作流程介绍
06:12
大模型之提示词工程：常用技巧讲解
09:54
大模型之提示词工程：提示词的应用
06:46
大模型之提示词工程：提示词工程介绍
05:23
大模型之提示词工程：提示词工程进阶(上)
13:20
大模型之提示词工程：提示词工程进阶(下)
06:11
大模型之提示词工程：提示词工程进阶(中)
10:49
1、RAG工作原理
05:48
2、大模型目前固有的局限性
16:26
3、检索增强生成
13:46
4、文档的加载与切割
13:08
5、LLM接口封装
10:42
6、Prompt模版
11:28
7、什么是向量
16:03
8、文本向量
18:44
9、文本向量是怎么得到的
13:23
10、Vector Store 向量存储与检索
10:23
11、Chrom 向量数据库使用
12:33
12、向量数据库选型
09:57
13、RAG高级进阶实战
13:25
14、文本分割粒度
11:15
15、检索后排序
10:23
16、Re-Ranker 模型
10:23
17、混合检索(Hybrid Search)
11:41
18、RRF
12:33
19、PDF文档表格处理
12:59
1. 本地知识库效果不好的典型问题
11:35
2. 深度剖析RAG技术的本质
11:44
3.Embedding模型原理及选型
10:00
4.主流向量数据库选型及部署方案
09:49
5.商业落地场景实施RAG工程方案
10:41
6.三大阶段有效提升RAG质量
09:10
7. 有效提升RAG质量方法RAFT
08:44
8. RAG高效召回方法
06:52
9. RAG技术的最佳实践
11:57
