1.什么是智能Agent？-多任务协同的核心角色
10:56
2.Agent架构解析模型、工具与调度逻辑
12:23
3.执行机制揭秘：从自然语言到自动决策
12:05
4.意图识别与任务匹配：如何理解用户需求
08:21
5.多工具动态调用实战：构建可扩展的智能助手
14:36
6.快速构建对话系统，实现与大模型的高效交互
13:08
7.利用内存模块实现多轮对话和上下文跟踪
12:39
8.使用API集成实时数据提升模型回答的准确性
13:59
9.通过自定义工具扩展模型功能，支持多场景应用
11:10
10.结合Agent实现智能决策与自动化任务执行
14:10
1.什么是 ReAct Agent
08:19
2.ReAct Agent 核心原理与设计
07:55
3.MCP基本概念
06:29
4.为什么出现MCP
07:17
5.MCP有哪些好处
07:17
6.基于MCP的集成架构
05:30
7.MCP消息协议JSON-RPC2.0
06:59
8.深度剖析MCP三种传输协议
09:21
9.LangGraph 构建 ReAct Agent 并使用高德地图MCP Server
08:31
10.基于LangGraph MCP Server 开发
17:13
11.LangGraph 构建 ReAct Agent 全流程（含代码逐行解析）
26:44
12.高德地图 MCP Server 对接实战：地理服务如何无缝嵌入AI系统？
24:18
13.基于LangGraph开发MCP Server：自建可扩展AI中台
35:55
1.LangChain-Agent-基础应用(上)
12:35
2.LangChain-Agent-基础应用(下)
11:58
3.LangChain-Agent-添加记忆
06:08
4.LangChain-Agent-小案例1
07:14
5.LangChain-Agent-小案例2
07:57
6.LangChain-Agent-ReActAgent
11:03
7.LangChain-Agent-SelfAskAgent
04:23
AI基础概念：开启AI新革命
27:35
AI基础概念：自然语言处理
25:37
AI基础概念：监督学习和无监督学习
24:56
AI基础概念：深度学习和神经网络
25:31
AI基础概念：Transformer模型
25:10
AI基础概念：OpenAI及其他常用大模型演示
27:54
AI基础概念：Python开发环境说明、Apifox导入项目
28:00
Prompt提示词工程： Prompt engineering介绍最佳实践
21:44
Prompt提示词工程：Zero-shot, Few-shot CoT, ReAct, Reflexion Prompt Chaining
26:31
Prompt提示词工程：结构化输出JSON、Markdown、 表格、代码
27:04
Prompt提示词工程：Prompt应用
32:09
Prompt提示词工程：gpt-4o 图像提示工程技术、dall-e-3 文生图技术
23:10
嵌入模型与向量数据库：理解向量表征
14:19
嵌入模型与向量数据库：向量与文本向量
12:31
嵌入模型与向量数据库：向量间的相似度计算
12:08
嵌入模型与向量数据库：Embedding Models嵌入模型原理及选择
10:46
嵌入模型与向量数据库：向量数据库概述及核心原理
13:09
嵌入模型与向量数据库：Chroma向量数据库核心操作
15:12
嵌入模型与向量数据库：Milvus向量数据库扩展学习
17:38
RAG技术与应用：大模型应用开发的三种模式
04:41
RAG技术与应用：什么是RAG
03:04
RAG技术与应用：RAG的优势及核心原理及流程
11:41
RAG技术与应用：NativeRAG
02:05
RAG技术与应用：LangChain快速搭建本地知识库检索：环境准备
01:36
RAG技术与应用：LangChain快速搭建本地知识库检索：搭建流程
28:40
RAG技术与应用：三大阶段有限提升RAG质量方法：数据准备阶段
11:12
RAG技术与应用：三大阶段有限提升RAG质量方法：知识检索阶段
15:48
RAG技术与应用：三大阶段有限提升RAG质量方法：答案生成阶段
18:09
RAG技术与应用：RAG在不同阶段提升质量的实践
05:44
RAG技术与应用：果LLM可以处理无限上下文了，RAG还有意义吗？
09:34
RAG技术与应用：学习打卡：结合你的业务场景，创建本地知识检索
10:31
RAG高级技术与应用：RAG技术树
18:24
RAG高级技术与应用：RAFT方法
09:41
RAG高级技术与应用：RAG高效召回方法
23:20
RAG高级技术与应用：Qwen-Agent构建RAG
18:14
RAG高级技术与应用：RAG质量评估
27:02
RAG高级技术与应用：商业落地实施RAG工程的核心步骤
36:38
LangChain：是什么？大模型落地的桥梁
17:21
LangChain：从零开始安装 LangChain 并写下第一个小程序
15:12
LangChain：多步骤链 SequentialChain & ConversationBufferMemory
13:24
LangChain：检索增强生成（小型 RAG）实战案例
13:58
LangChain：多轮对话记忆
12:01
LangChain：智能体（Agent）
13:29
LangChain：基于RAG实现文档问答
21:03
LangGraph：快速入门与底层原理剖析
07:29
LangGraph：持久化管理
14:04
LangGraph：高阶持久化
11:08
LangGraph：多工具调用
16:32
LangChain：向量管理高阶指南
10:52
LangChain：高效检索器：原理、实践与优化
11:43
LangChain：多类型文本切割
11:36
LangChain：多数据源集成
08:23
LangChain：基于 SQL 的数据分析问答系统
08:31
Hugging Face：模型探索与下载
23:12
Hugging Face： API调用模型
23:17
Hugging Face：核心组件Transformers
25:54
Hugging Face：核心组件datasets
20:54
Hugging Face：核心组件Tokenizer
20:25
Hugging Face：使用Tokenizer实现字符编码
22:28
Hugging Face模型微调训练：使用Tokenizer实现字符编码、vocab字典操作
25:09
Hugging Face模型微调训练：模型微调的基本概念
25:19
Hugging Face模型微调训练：下游任务模型设计
26:23
Hugging Face模型微调训练：自定义模型训练与效果评估
27:32
Hugging Face模型微调训练：案例自定义下游任务实现中文评价分析模型的本地化训练与测试
37:23
Llamalndex：什么是Llamalndex
22:23
Llamalndex：核心概念
22:51
Llamalndex：个性化配置
20:46
Llamalndex：Data Connectors(数据连接器)
24:27
