跳转到内容
Menu Open
Menu Close
首页
Java
数据库
大数据
Python
NLP
AI
其他
搜索
Ctrl
K
取消
theme switcher
AI
大模型介绍
01-大模型背景简介
LLM基础知识
LLM主要类别架构
02-主流大模型介绍
GPT系列模型
LLM主流开源代表模型
03-大模型提示词工程应用实战
大模型Prompt工程指南
金融行业动态方向评估项目介绍
LLM实现金融文本分类
LLM实现金融文本信息抽取
LLM实现金融文本匹配
04-基于LangChain+ChatGLM实现本地知识问答机器人
大模型应用框架LangChain详解
LangChain + ChatGLM 实现本地知识库问答
05-大模型Agent应用
大模型Function Call的原理及其应用
GPTs的原理及应用
Agent原理介绍
Agent应用
06-coze
案例:智能问答助手
案例:旅游规划小精灵
案例:智能助教
案例:智能面试官
案例:口语练习专家
07-dify
Dify介绍
案例:模型训练语料构建
案例:dify接入知识库
案例:dify接入外部知识库ragflow
RAG
01-项目背景
RAG系统项目介绍
02-项目工具
Ollama大模型高效管理工具
LangChain基础知识
Milvus向量数据库
Milvus和Redis的安装(扩展资料)
03-基于Mysql数据库构建问答系统
Python日志介绍与应用
BM25算法简介与应用
Redis数据库简介与使用
基于Mysql数据库实现问答系统
04-基于Milvus数据库构建RAG问答系统
整体架构与工程流程
基础模块
文档处理模块
向量存储
prompts设计与query意图识别
检索策略与RAG系统设计
RAG系统运行
数据集生成与优化(扩展资料)
自定义文档解析工具(扩展资料)
RAG中的Query改写(扩展资料)
05-RAG系统评估
RAG系统评估工具
实现EduRAG系统的评估
RAG评估数据集的构造(扩展)
06-融合Mysql的RAG系统
融合FQA和知识库查询
增强型FAQ与知识库融合查询
系统API接口开发及webui应用
FastAPI和Flask的区别和联系(扩展资料)
RAG发展
① RAG发展的整体脉络
① RAG发展的整体脉络
② RAG的史前时代
② RAG的史前时代
③ 传统RAG演化过程
③ 传统RAG演化过程
④ 新型RAG
④ 新型RAG
⑤ 常见特殊数据和应对策略
⑤ 常见特殊数据和应对策略
微调
00-大模型微调基础
大模型微调是什么
LLM主要架构
GPT的训练方式
LLM主流开源模型的训练方式
01-大模型微调主要方式
大模型Prompt-Tuning方法
大模型PEFT微调方法
02-基于GPT2预训练模型搭建医疗问诊机器人
医疗问诊机器人实现
03-新零售行业评价决策系统
项目背景介绍
BERT+PET方式文本分类介绍
BERT+PET方式数据处理介绍
BERT+PET方式模型代码实现与训练
BERT+P-Tuning方式文本分类介绍
BERT+P-Tuning方式数据处理介绍
BERT+P-Tuning方式模型代码实现与训练
04-基于ChatGLM微调实现信息抽取+文本分类的多任务实战
项目整体介绍
多任务数据预处理
LoRA方式模型代码实现与训练
趋动云使用《补充》
Agent发展
① Agent发展的整体脉络
① Agent发展的整体脉络
② 大模型的Agent潜力
② 大模型的Agent潜力
③ 系统化的Agent设计
③ 系统化的Agent设计
④ 工具调用三部曲
④ 工具调用三部曲
⑤ 多智能体协作
⑤ 多智能体协作
Coze
① Coze平台介绍及入门
Coze平台介绍
Coze平台入门实战
② Coze平台进阶使用
私有数据访问
多模态和循环结构
Multi-Agent多智能体
Coze API调用
③ Coze平台项目案例-AI面试助手
项目介绍
简历修改模块
录音分析模块
面试题生成模块
智能体编排
批处理模块
④ 拓展:Coze平台实战案例
案例说明
案例:智能问答助手
案例:旅游规划小精灵
案例:智能面试官
案例:智能助教
案例:口语练习专家
Dify
① Dify平台介绍和入门
Dify平台介绍
Dify的入门实战
② Dify平台进阶使用
Docker的原理和基本使用
dify接入知识库
dify接入外部知识库ragflow
③ Dify平台项目案例
智能法律助手
Agent实战
① 项目介绍
项目背景分析
方案选型
② 项目技术框架
Function call函数调用
MCP协议
Agent智能体
A2A协议
③ 项目实战
项目架构与代码架构图
整体流程与配置模块
数据库结构与初始化
天气数据的采集和更新
MCP服务
Agent服务
main主程序
强化学习
强化学习入门
强化学习基础算法
深度强化学习基础
项目1-智能客服对话偏好对齐
项目2-营销话术助手
计算机视觉
01-图像分类
01-overview
1 图像分类简介
02-目标检测
00-overview
1 目标检测概述
01-RCNN
2 R-CNN网络基础
02-Faster-RCNN
3 Faster-RCNN网络
04-yolo
yolo系列
05-yoloV4算法详解
yoloV4算法详解
06-yoloV5算法详解
yoloV5算法详解及案例
选择主题
深色
浅色
自动
ai
09_coze
拓展coze平台实战案例
41 案例说明
案例说明
发布于 2025-12-31
4.1 案例说明
Section titled “4.1 案例说明”
本章的5个案例主要是围绕着教学业务场景开发的相关助手,每个案例都是一个独立的智能体。
本章属于拓展内容,该部分的案例根据教学的情况作为日常作业或实战项目,非必修。
发布于 2025-12-31