大模型商业化闭环与项目实战1.AI产品部署和交付的基础设施1.硬件选型1.GPU2.LPU3.云服务厂商4.算力平台2.带你了解全球大模型3.使用国产大模型服务4.搭建OpenAI代理5.在本地计算机运行大模型1.Ollama基础2.讲解OllamaAPI3.实战：Ollama与Agent+搜索+llama3.1，打造吸引眼球的主题文章2.AI大模型私有化部署落地1.大模型的私有化部署2.基于vLLM部署大模型3.案例：如何优雅地在阿里云私有部署开源大模型4.部署一套开源LLM项目5.内容安全6.互联网信息服务算法备案3.大模型时代的创业机遇1.大模型应用落地现状2.创业机遇1.AI时代的机会在哪？2.如何寻找大模型时代的发展机遇3.如何抓住大模型风口下的机遇？3.做独立开发者吗？1.独立开发的前所未有机会2.自己是否适合独立开发？1.超高的自律要求2.注册公司3.日常事务4.兼职管理5.其它困难3.公司里的「独立开发者」4.产品研发新流程5.产品立项1.如何找到真实需求2.如何找到商业模式3.关注种子推广渠道4.大模型项目实战1.项目管理与开发流程2.团队协作与版本控制3.搭建智能问答系统4.自动驾驶数据处理系统5.大模型+知识图谱构建推荐系统6.Gradio可视化构建聊天机器人7.多模态聊天机器人实战8.GoT-让大模型学会思考-AGI新赛道9.AIagent实战，使用搜索引擎大模型10.AI智能体在虚拟场景中实现人类交互任务11.StableDiffusion图像处理实战5.职业发展与求职指导1.职业发展规划2.简历优化技巧3.AI行业职业前景分析4.模拟面试5.简历优化大模型微调进阶训练实战1.探索神经网络的底层奥秘1.了解AI人工智能算法的本质2.算法模型y=ax+b是如何实现线性预测的3.人工智能训练和预测的底层逻辑4.从人脑神经元了解神经网络5.神经网络与机器学习1.了解损失函数与模型之间的关系2.梯度下降对模型迭代方向的影响3.一次迭代提升模型精准程度6.项目实践-神经网络实现图像识别1.数据集获取2.图像数据预处理3.设定神经网络公式结构4.设计神经网络参数提出特征5.多层神经网络提取深度特征2.揭秘Transformer的真实面目1.一个极简案例通俗理解Transformer2.使用Transformer拆解和输出案例，直观了解Transformer工作原理3.Tokenization-把对话内容变成Token1.词元化与子词2.汉字与英文单词的区别3.效果演示-ChatGpt的Tokenization4.Embedding-将Token变成向量1.空间与向量-数学对AI发展的影响2.基数理解One-Hot编码3.空间的稀疏、稠密、距离、数学逻辑关系4.词向量模型Word2VecModel5.OpenAIEmbeddingModel6.OpenAIClip-文字与图片的多模态Encoder7.效果演示：OpenAIEmbedding5.Encoder&Decoder1.Encoder-更好的理解你的指令2.Decoder-更精准的回答你的问题3.基于循环神经网络的Encoder&Decoder4.TransformerEncoder&Decoder6.TransformerEncoder&Decoder1.带有Attention机制的TransformerEncoder2.带有Attention机制的TransformerDecoder3.EncoderOnly&DecoderOnly2.基于案例理解模型微调1.动手微调一个小GPT1.HuggingFace简介2.模型加载3.数据加载4.训练器2.什么是模型3.什么是模型训练1.训练时几个重要超参2.调整超参，再跑实验14.求解器&损失函数简介5.手写一个简单的神经网络并训练它3.模型微调的底层原理与实战1.什么是训练/预训练/微调/轻量化微调2.Transformer结构简介3.轻量化微调1.PromptTuning2.P-Tuning3.PrefixTuning4.LoRA5.QLoRA4.实验数据集的构建5.实战1：基于LoRA微调Qwen27B6.实战2：基于QLoRA微调Llama38B7.实战3：基于QLoRA微调GLM49B8.更多训练数据的构建技巧4.Agent模型微调1.认识大模型Agent1.大模型Agent的应用场景2.大模型Agent的技术框架3.为什么需要AgentTuning？4.AgentTuning的流程2.AgentPrompt模板设计1.主流模板2.定制设计3.AgentTuning1.训练数据准备2.模型训练3.效果评估5.Agent泛化性提升1.训练数据的多样性2.Meta-Agent6.构建训练数据经验总结7.AgentTuning开源项目简介1.ToolBench2.AgentTuning3.KwaiAgents5.通俗理解多模态大模型的概念与定义1.多模态大模型的定义1.跨模态模型2.单模态大模型3.多模态模型4.多模态语言大模型2.图文多模态模型的发展1.VisionTransformer2.图像文本联合建模3.大规模图-文token对齐模型（CLIP）4.多模态大语言模型1.OpenAIGPT-4V2.GoogleGemini3.GPT-4V应用实战6.行业内的多模态大模型以及应用实战1.图文多模态大语言模型的评测2.开源社区多模态大语言模型3.开源LLaVA图文对话模型的训练1.模型架构2.训练过程3.实战：数据构造与模型训练4.LLaVA应用衍生以及优化方向5.支持更多模态的大语言模型1.X-LLM2.NexT-GPT6.Multi-Agent多模态语言模型7.LLM驱动的跨模态生成模型-VideoPoet7.深入浅出视觉生成模型1.判别式模型vs.生成式模型2.生成式模型技术路径一览1.AutoEncoder自编码器2.VAE变分自编码器3.常见的视觉内容生成模型架构4.DiffusionModel扩散模型1.原理与推导2.整理训练、推理流程3.RectifiedFlow简介4.UNet噪声预测网络5.DiT噪声预测网络6.uViT噪声预测网络7.条件信息的引入5.StableDiffusion模型结构1.SD模型-版本发展2.SD模型-社区模型的优势与局限3.SD模型相关工具推荐6.级联式文生图模型7.StableDiffusion3.0技术解析8.文生图模型的应用拓展1.ImageInpainting/Outpainting2.人脸、商品数字分身训练3.ControlNet4.特征注入式引导-IP-Adapter,InstantID9.SD模型的加速方法1.数据无关的蒸馏加速方法2.数据有关的蒸馏加速方法3.3D目标生成方法一览1.基于NerF的方法2.基于扩散模型的方法4.视频生成方法一览1.视频生成方法简介2.基于预训练文生图模型的方法1.AnimateDiff2.AnimeAnyone3.原生的视频生成方法4.Sora关键技术5.开源项目Open-sora-plan6.开源项目Open-sora7.开源项目CogVideoX8.商用案例-ViDu9.商用案例-可灵大模型高级应用实战1.LIamaIndex1.了解SDK已经极简代码实现RAG2.LIamaIndex介绍1.核心模块总览2.LIamaIndex安装3.数据加载1.加载本地数据2.DataConnectors丰富的数据类型加载4.文本切分与解析1.TextSpitters文本切分2.NodeParsers解析文档结构5.索引与检索1.向量检索2.使用自定义的向量数据库3.文本架构、灌库：IngestionPipeline4.检索后排序6.生成回复1.单轮问答2.多轮对话7.底层接口1.Prompt2.LLM3.Embedding8.基于LIamaIndex实现一个功能完整的RAG1.自定义文件加载与切分2.实现RAG-Fusion3.实现ChromaDB本地持久化4.实现检索后的排序5.支持多轮对话6.实现关键字+向量混合检索2.LangChain1.模型I/O封装1.模型的封装介绍2.模型的输入输出3.PromptTemplate4.结构化输出5.OutputParser6.FunctionCalling2.数据连接封装1.文档加载2.文档处理3.对话历史管理4.链架构：Chain/LCEL1.流式输出2.RAG3.工厂模式4.对话记录的存取5.智能体Agent1.ReAct2.SelfAskWithSearch6.LangServe简介3.LLM应用开发工具链1.维护一个生产级的LLM应用2.LangFuse平台深度解析1.平台注册与链接2.与LangChain集成3.记录和跟踪LLM的调用记录4.构建回归测试集5.Prompt调优与回归测试6.Prompt版本管理7.与LIamaIndex集成3.LangSmith平台1.基本功能介绍1.LLM调用记录2.Playground2.数据集管理3.回归测试4.RAG和Embeddings1.RAG-检索增强生成1.检索的基础概念2.LLM的局限性3.为什么需要RAG4.RAG概念和RAG类比5.RAG系统工作流程图解2.RAG系统搭建流程1.加载文本与切割2.灌库构建检索引擎3.封装检索接口4.构建调用流程5.搭建一个简单的ChatPDF4.Embeddings向量化的概念5.向量数据库与向量检索6.基于向量检索的RAG7.搭建RAG系统的扩展知识8.混合检索与RAG-Fusion简介9.向量模型本地加载10.PDF格式处理5.搞定Agent实现AutoGPT1.Agent整体概述与应用场景2.LangChainAgents的设计理念与工作原理3.Agents关键技术分析4.设计ReAct的Prompt模板5.设计长时和短时Memory6.设计鲁棒的纠偏策略，防止死循环7.封装自己的Tools8.运行自己的Agent助手！6.掌握多Agent工作流的思路和方法1.为什么Agent需要设计工作流?2.吴恩达博士的开源翻译工作流项目讲解3.使用LangGraph和AgentlyWorkflow分别复现翻译工作流1.LangGraph2.AgentlyWorkflow4.大模型应用工作流的关键要素解析1.基本要素2.大模型应用工作流需要具备的特性3.LangGraph的工作流要素图示4.AgentlyWorkflow的工作流要素图示5.LangGraph和AgentlyWorkflow的能力对比5.复杂的工作流:故事创作/复杂的控制函数规划调用1.设计思路2.实现方案3.进一步思考和讨论大模型应用基础理论1.初探大模型：起源与发展1.AGI时代下的个人职业发展1.个人在AI时代的定位2.AI知识地图2.大模型能干什么？1.初识大模型1.大模型的定义2.了解通用人工智能3.常见的大模型对话产品介绍4.了解大模型和人工智能2.GPT模型的发展与历史从GPT-1到GPT-3.5：一路的⻛云变幻ChatGPT：赢在哪里GPT-4：一个新的开始3.国产大模型介绍文心一言大模型通义千问大模型盘古大模型豆包大模型4.大模型未来的发展趋势与挑战3.典型的使用场景和落地1.如何落地大模型2.如何寻找落地方向1.成功落地大模型五要素2.如何找到落地场景3.如何发现工作机会4.深度理解大模型背后的成功因素1.算法创新2.计算能力的提升3.数据的可用性与规模化4.软件与应用工具的进步5.理解生成式模型与大语言模型1.理解生成式模型2.理解大语言模型3.生成模型与大语言模型的区别2.PromptEngineering1.提示工程的意义与核心思想1.什么是提示词Prompt2.什么是提示词工程3.Prompt的典型构成结构4.设置Prompt的通用技巧5.基于OpenAI的Prompt使用案例S2.指令调优方法论模型1.角色定义与原理2.限制输出格式方法3.NLU（自然语言理解）和NLG（自然语言生成）4.Zero-Shot,One-Shot,andFew-ShotLearning3.思维链和思维树4.Prompt攻击和防范经验分享5.如何用Prompt调优Prompt6.OpenAIAPI使用与总结7.Prompt实战案例演示1.文本创作与生成2.文章摘要和总结3.思维链拆解复杂任务4.评估模型输出质量3.OpenAI大模型开发与实践OpenAIAPI入门与实战OpenAIModelsAPIOpenAICompletionsAPIOpenAIChatCompletionsAPICompletionsvsChatCompletionsOpenAI大模型应用实践文本内容补全（TextCompletion）聊天机器人（ChatCompletion）4.AssistantsAPI1.快速了解GPTs&AssistantsAPI2.如何在GPTStore创建/发布自己的GPT3.AssistantsAPI的核心能力1.AssistantsAPI应用场景2.基于Assistants做一个自己的GPT4.基于AssistantsAPI开发1.创建Assistant2.管理thread3.添加message4.运行任务5.中控调度5.在Assistant中调用工具1.FunctionCalling1.FunctionCalling的诞生背景2.通俗理解FunctionCalling3.FunctionCalling的实现过程4.远程FunctionCalling调用5.FunctionCalling数据库查询6.支持FunctionCalling的国产模型2.CodeInterpreter3.RAG6.用AssistantsAPI实现多角色隔离与写作7.原生OpenAIAPI、GPTs、AssistantsAPI、国产/开源大模型选型参考5.FunctionCalling1.AI巨变带来的UI、API终极演变2.NLI塑造未来软件世界3.大模型连接真实世界的方法1.用GPTsActions对接高德地图2.原理解析3.GPTs的平替：Coze、Dify4.用FunctionCalling做更灵活的对接1.机制原理2.调用本地函数3.多Function轮流调用和同时调用4.从自然语言生成SQL语句（NL2SQL）5.流式调用5.FunctionCalling注意事项6.国产大模型FunctionCalling能力仍不足7.对FunctionCalling的批评8.FunctionCalling带来的产品想象空间6.OpenAI多模态开发OpenAI多模态能力总览多模态：GPT-4withVision(GPT-4V)文生图：DALL·E3文字配音：Text-to-speech(TTS)语音识别：Whisper7.阶段性项目实战动手开发第一个ChatGPTPluginChatGPTPlugin功能介绍实战样例部署与测试ChatGPT开发者模式天气预报(WeatherForecast)插件开发WeatherForecastPlugin设计与定义天气预报函数服务化第三方天气查询平台对接实战WeatherForecastPluginFunctionCallingvsChatGPTplugin基于ChatGPT开发智能翻译助手OpenAI-Translator市场需求分析OpenAI-Translator产品定义与功能规划OpenAI-Translator模块设计PDF文档解析（PDFParser）模块文档导出（Writter）模块大模型（LLMs）接入模块参数解析器（ArgParser）模块日志（Logger）模块提示词（Prompt）模块OpenAI-Translator实战咕泡AI大模型零基础到商业实战课Prompt提示词大模型开发AIAgent智能体AI产品经理