简介
本课程是一套堪称全网最全面、最深入的提示词工程（Prompt Engineering）与LLM大模型应用实战教程，由资深AI讲师精心打造，共计88节干货满满的视频，涵盖从提示词基础、进阶技巧、安全防护、参数调优，到AI Agent、RAG检索增强生成、LLM微调、LangChain框架等前沿技术领域，真正实现从入门到精通的完整学习路径。
教程共分为四大核心模块：提示词工程基础篇深入讲解提示词的定义、典型构成、进阶技巧、Prompt攻击防御、内容审核（Moderation API）、OpenAI关键参数解析、GPTs辅助编写提示词等内容，帮助学员建立扎实的提示词设计与优化能力；AI Agent智能体篇系统介绍Agent的概念、组成、决策机制、规划拆解（COT/TOT/思维树）、记忆机制、工具使用、ReAct框架、Self-Ask、Thinking and Self-Reflection等核心理论，并通过ReAct案例实现、RAG Agent、个性化数字人项目等实战环节，让学员深入理解智能体的构建与应用。
RAG检索增强生成篇从RAG的基本原理出发，结合阿里云AI助理等真实案例，带领学员动手创建RAG应用、连接钉钉机器人、优化索引准确率、改造信息抽取途径，掌握RAG技术的完整落地流程；LLM微调与模型篇则详细解读Stanford Alpaca、Self-Instruct、Alpaca-LoRA、LLaMA系列、ChatGLM系列、Qwen系列等主流模型的微调原理与代码实现，涵盖Freeze、Prefix Tuning、P-Tuning、LoRA、QLoRA等多种微调方法，并分享LLM微调的实战经验与评估基准（CEVAL）。
LangChain框架篇作为压轴模块，系统讲解LangChain的环境搭建、基本概念、提示词模板、输出解析器、Model集成（智普、月之暗面、通义千问）、Chain链机制、RAG完整案例、文档加载与切割、文本向量化与存储、检索器等核心功能，帮助学员掌握这一主流LLM应用开发框架。课程全程无废话，理论与实践紧密结合，每个知识点均配有可落地的代码示例与操作演示，旨在帮助学员在最短时间内建立对提示词工程与大模型应用的系统性认知，少走99%的弯路，成为真正能够驾驭LLM的AI工程师。
各集标题与链接
1、什么是提示工程(PromptEngineering)
视频链接：点击观看
2、Prompt 的典型构成
视频链接：点击观看
3、进阶技巧
视频链接：点击观看
4、防止 Prompt 攻击
视频链接：点击观看
5、内容审核：Moderation APl
视频链接：点击观看
6、OpenAIAPI的几个重要参数
视频链接：点击观看
7、用 GPTs 帮我们写 prompt
视频链接：点击观看
8、课程总结
视频链接：点击观看
9、AI Agent 导论篇
视频链接：点击观看
10、Agent概念、组成与决策
视频链接：点击观看
11、.Agent决策应用场景分析
视频链接：点击观看
12、Agent规划子任务拆解_COT与TOT_
视频链接：点击观看
13、思维树24点拓展与react框架
视频链接：点击观看
14、Agent记忆(memory)
视频链接：点击观看
15、Agent工具使用介绍
视频链接：点击观看
16、Agent代码初体验、工具使用、记忆添加
视频链接：点击观看
17、Agent认知框架之Plan-and-Execute
视频链接：点击观看
18、self-Ask
视频链接：点击观看
19、Thinking and Self-Refection
视频链接：点击观看
20、 ReAct框架案例实现
视频链接：点击观看
21、 ReAct RAG Agent
视频链接：点击观看
22、 Agent+RAG个性化定制数字人项目1
视频链接：点击观看
23、Agent+RAG个性化定制数字人项目2
视频链接：点击观看
24、什么是RAG？
视频链接：点击观看
25、 RAG的原理
视频链接：点击观看
26、 RAG应用案例：阿里云AI助理
视频链接：点击观看
27、动手实验1-创建RAG应用
视频链接：点击观看
28、动手实验2-连接钉钉机器人
视频链接：点击观看
29、提升索引准确率
视频链接：点击观看
30、 让问题更好理解
视频链接：点击观看
31、改造信息抽取途径
视频链接：点击观看
32、StandfordAlpaca的介绍
视频链接：点击观看
33、selfinstruct的代码解读
视频链接：点击观看
34、AlpacaB的微调过程
视频链接：点击观看
35、selfinstruct代码的详细过程
视频链接：点击观看
36、StandfordAlpaca微调代码拆解：微调方式
视频链接：点击观看
37、StandfordAlpaca微调代码拆解：train
视频链接：点击观看
38、垂直领域微调的方式
视频链接：点击观看
39、Huggingface的Transformer库
视频链接：点击观看
40、AlpacaLoRA消费级显卡的Lora微调
视频链接：点击观看
41、DeepSpeedChat的LoRA源码解读
视频链接：点击观看
42、基于Huggingface的Peft框架的Lora微调方式
视频链接：点击观看
43、Alpaca所用的selfinstruct的影响力
视频链接：点击观看
44、AlpacaLoRA微调过程
视频链接：点击观看
45、LLaMA相比LLaMA的改进
视频链接：点击观看
46、LLaMA的分组查询注意力（GQA）
视频链接：点击观看
47、LLaMAChat中的RLHF：三阶段训练方式
视频链接：点击观看
48、ChatGLMB的数据处理及文件准备
视频链接：点击观看
49、ChatGLMB的部署及微调过程
视频链接：点击观看
50、微调方法—Freeze方法
视频链接：点击观看
51、微调方法—prefixtuning与prompttuning方
视频链接：点击观看
52、微调方法—PtuningV方法
视频链接：点击观看
53、 微调方法—P-tuning V2方法
视频链接：点击观看
54、微调方法—Lora方法
视频链接：点击观看
55、微调方法—QLora方法
视频链接：点击观看
56、LLM微调经验分享
视频链接：点击观看
57、评估基准CEVAL及ChatGLMB的改进
视频链接：点击观看
58、ChatGLMB的部署推理过程
视频链接：点击观看
59、基于PTuningV微调ChatGLMB
视频链接：点击观看
60、通义千问—QwenB模型的特点
视频链接：点击观看
61、QwenBChat模型的微调数据构成
视频链接：点击观看
62、QwenBChat模型的ReActProm
视频链接：点击观看
63、ReAct代码示例
视频链接：点击观看
64、大模型之LangChain-虚拟环境(上)
视频链接：点击观看
65、大模型之LangChain-虚拟环境(下)
视频链接：点击观看
66、大模型之LangChain-LangChain的基本介绍
视频链接：点击观看
67、大模型之LangChain-基本和提示词模板
视频链接：点击观看
68、大模型之LangChain-输出结果解析器
视频链接：点击观看
69、大模型之LangChain-RAG+LangChain实现
视频链接：点击观看
70、大模型之LangChain-Model-介绍
视频链接：点击观看
71、大模型之LangChain-Model-提示词模板-基本使用
视频链接：点击观看
72、大模型之LangChain-Model-提示词模版-ChatPromptTemplate(上)
视频链接：点击观看
73、大模型之LangChain-Model-提示词模版-ChatPromptTemplate(下)
视频链接：点击观看
74、大模型之LangChain-Model-提示词模版-少样本案例模版
视频链接：点击观看
75、大模型之LangChain：Model-语言模型-介绍
视频链接：点击观看
76、大模型之LangChain：Model-语言模型-智普大模型接入
视频链接：点击观看
77、大模型之LangChain：Model-语言模型-MoonShot和通义千问集成
视频链接：点击观看
78、大模型之LangChain：Model-聊天模型
视频链接：点击观看
79、大模型之LangChain：Model-输出解析器
视频链接：点击观看
80、大模型之LangChain：Model-文本嵌入模型
视频链接：点击观看
81、大模型之LangChain-Chain链-基本应用
视频链接：点击观看
82、大模型之LangChain-Chain链-案例介绍
视频链接：点击观看
83、大模型之LangChain-chain链-链的调用
视频链接：点击观看
84、大模型之LangChain-chain链-官方工具链介绍(上)
视频链接：点击观看
85、大模型之LangChain-chain链-官方工具链介绍(下)
视频链接：点击观看
86、大模型之LangChain-RAG-文档加载和文档切割
视频链接：点击观看
87、模型之LangChain-RAG-文本向量化和向量存储
视频链接：点击观看
88、大模型之LangChain-RAG-检索器和完整RAG案例
视频链接：点击观看
说明：以上链接可直接点击跳转对应集数观看。课程共88集，从第1集到第88集按顺序编排。
回复