40 条视频加 5 份 PDF 的大模型课，覆盖微调、RAG、Embedding、向量数据库、Agent 框架，偏工程实操。
- 技术栈：llama-factory、RAGFlow、Langchain、Langgraph、AutoGen、CrewAI
- 门槛：会 Python，能装 conda 环境，不是零基础课
- 设备：一台能跑本地模型的电脑，显存越大越好
- 收益来源：无，属于技能课，用于求职或做产品
- 风险：框架版本迭代快，部分代码需要自己改
微调线：第 1 到 8 课
从人工智能介绍、scaling law 讲到微调数据集准备、lora 与 Qlora、模型评估、模型部署与量化。5 份 PDF 里有 2 份在这条线上：llama-factory 微调、ai 认知课。
RAG 线：第 1 到 6 课，最有价值的一段
NaiveRAG 与 langchain 实践、RAGFlow 项目实操、高级 RAG 的层次索引与 HyDE、模块化 RAG 的顺序与分支模式、迭代与递归检索。RAG 评估单独有 1 课，讲 RAGAs 和 TruLens，这是多数课程缺的部分。
Embedding 与向量数据库：第 7 到 18 课
word2vec、CBOW、llamaindex 微调、MRR 与 MTEB 评测、k-means 与肘部法则、PQ 量化与 HNSW、chroma 与 qdrant 代码示例。这一段是 RAG 效果的地基，跳过就只能调参数。
Agent 线：第 1 到 14 课
Agent 原理里的 planning 与 memory、提示词工程、function call、设计模式（Fewshot、ReAct、REWOO、Reflexion）、框架（SingleAgent、MultiAgent）、以及 Coze、Langchain、Langgraph、AutoGen、CrewAI 五个实战项目。
40 条视频与 5 份 PDF 原文
企业RAG技术实战.pdf
ai认知课.pdf
embedding技术.pdf
rerank技术.pdf
llama-factory微调.pdf
13_第五课：模块化RAG（一）顺序模式，条件模式，分支模式.mp4
11_第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE.mp4
37_第十一课：Langgraph多Agent架构：协作多Age.mp4
8_第五课：模型部署（模型合并导出与量化，本地部署）.mp4
29_第三课：Agent平台：国内外主流平台，Coze搭建智能客服.mp4
33_第七课：Agent设计模式（三）：Reflexion，LAT.mp4
15_第七课：Embedding原理：word2vec、CBOW.mp4
16_第八课：Embedding模型训练：llamaindex微调.mp4
21_第十三课：相似性搜索算法：k-means，肘部法则.mp4
1_第一课：人工智能介绍：迭代路径，大模型进化树，技术分类.mp4
35_第九课：Langchain项目原理与实战.mp4
5_第二课：微调数据集准备（SFT继续预训练，偏好优化）.mp4
17_第九课：Embedding模型评估：MRR评测，MTEB评测.mp4
23_第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量.mp4
10_第二课：NaiveRAG与langchain实践.mp4
39_第十三课：AutoGen项目原理与实战（二）：代码执行，工具.mp4
12_第四课：高级RAG（二）提示词压缩，融合，llamainde.mp4
30_第四课：Agent工具使用与functioncall：MR.mp4
9_第一课：RAG技术原理与RAGFlow项目实操.mp4
27_第一课：Agent原理简介：planning、memory、.mp4
22_第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH.mp4
24_第十六课：向量数据库代码示例：chroma与qdrant代码.mp4
20_第十二课：向量数据库简介与相似性测量：欧式距离，余弦相似度.mp4
28_第二课：提示词工程：软提示词，fewshot，COT TOT.mp4
34_第八课：Agent框架：SingleAgent，Multi.mp4
25_第十七课：RAG评估：评估指标，RAGAs，TruLens.mp4
6_第三课：微调过程lora微调与Qlora微调.mp4
7_第四课：模型评估（批量推理与自动评估benchmark）.mp4
31_第五课：Agent设计模式（一）：Fewshot，ReAct.mp4
40_第十四课：CrewAI项目原理与实战：Crew Task A.mp4
14_第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc.mp4
19_第十一课：Rerank模型微调与实践（二）rankGPT.mp4
26_第十八课：RAG行业落地：实践心得，落地经验，业务场景.mp4
38_第十二课：AutoGen项目原理与实战（一）：AutoGen.mp4
18_第十课：Rerank技术原理与实践（一）交叉编码与双编码.mp4
2_第二课：柏拉图表征假说与scalinglaw：KM缩放定律.mp4
4_第一课：大模型微调llama-factory环境准备.mp4
32_第六课：Agent设计模式（二）：REWOO，LLMComp.mp4
3_第三课：AI开发环境（python、conda、vscode.mp4
36_第十课：Langgraph项目原理与实战.mp4
问：零基础能学吗？
答：难。第 3 课就要求装 python、conda、vscode，后面全是代码，没有编程基础会卡在第 3 课。
问：要什么显卡？
答：课程没指定型号。本地部署和微调需要独立显卡，只跑 API 调用的练习用普通笔记本也能跟上。
问：学完能做什么？
答：能独立搭一套企业知识库问答，包括向量检索、rerank、评估。Agent 部分能跑通 Coze 和 AutoGen 的示例项目。
最后更新：2026-10-31
相关阅读
资源下载地址
