第一章

认知课

1. 第一讲人工智能介绍：迭代路径，大模型进化树，技术分类
2. 第二讲柏拉图表征假说与scaling law：KM缩放定律，chinchilla
3. 第三讲大模型开发环境准备（python+conda+vscode）

第二章

大模型微调训练

1. 第一讲大模型微调llama-factory环境准备
2. 第二讲微调数据集准备（SFT,继续预训练，偏好优化）
3. 第三讲微调过程lora微调与Qlora微调
4. 第四讲模型评估（批量推理与自动评估benchmark）
5. 第五讲模型部署（模型合并导出与量化，本地部署）

第三章

企业RAG技术实战

1. 第一讲RAG技术原理与RAGFlow项目实操
2. 第二讲Naive RAG与langchain实践
3. 第三讲高级RAG（一）知识图谱，层次化索引，句子窗口，子查询，HyDE
4. 第四讲高级RAG（二）提示词压缩，融合，llamaindex实践
5. 第五讲模块化RAG（一）顺序模式，条件模式，分支模式
6. 第六讲模块化RAG（二）迭代检索，递归检索，Toc，FLARE，self-RAG，RRF
7. 第七讲Embedding原理：word2vec/CBOW/skip-gram
8. 第八讲Embedding模型训练：llamaindex微调，autotrain微调
9. 第九讲Embedding模型评估：MRR评测，MTEB评测，C-MTEB评测
10. 第十讲Rerank技术原理与实践（一）交叉编码与双编码，句子transformer，代码实践
11. 第十一讲Rerank模型微调与实践（二）rankGPT，模型微调，模型评估
12. 第十二讲向量数据库简介与相似性测量：欧式距离，余弦相似度，点积相似度
13. 第十三讲相似性搜索算法：k-means，肘部法则，k-means++
14. 第十四讲近似邻近算法与过滤向量搜索：PQ量化，HNSW，局部敏感哈希，随机投影
15. 第十五讲向量数据库选型：专用向量数据库，传统数据库支持vector，性能评测
16. 第十六讲向量数据库代码示例：chroma与qdrant代码示例，springAI介绍
17. 第十七讲RAG效果评估：评估指标，RAGAs评估，TruLens评估
18. 第十八讲RAG行业落地：实践心得，落地经验，业务场景
19. 第十九讲RAG技术总结-langchain1.0例子更新

第四章

Agent技术原理与行业实战

1. 第一讲Agent原理简介：planning、memory、reflection、action
2. 第二讲提示词工程：软提示词，fewshot，COT,TOT,CO-STAR,Self-Consistency
3. 第三讲Agent平台：国内外主流平台，Coze搭建智能客服，Dify实操
4. 第四讲Agent工具使用与function call：MRKL,TALM,function call
5. 第五讲Agent设计模式（一）：Fewshot，ReAct，Plan and solve，
6. 第六讲Agent设计模式（二）：REWOO，LLMCompiler，Reflection，
7. 第七讲Agent设计模式（三）：Reflexion，LATS，Self-discover
8. 第八讲Agent框架：Single Agent，Multi Agent，常见Agent框架比较
9. 第九讲Langchain项目原理与实战
10. 第十讲Langgraph项目原理与实战
11. 第十一讲Langgraph 多Agent架构：协作多Agent，主管多Agent，层次多Agent
12. 第十二讲AutoGen项目原理与实战（一）：AutoGen原理，顺序Chat，GroupChat，Nested Chat
13. 第十三讲AutoGen项目原理与实战（二）：代码执行，工具使用，缓存，规划与反思，Rag
14. 第十四讲CrewAI项目原理与实战：Crew,Task,Agent,Process

第五章

知识图谱与RAG

1. 第一讲知识图谱：RDF,RDFS,OWL，知识图谱架构,实体识别算法
2. 第二讲GraphRAG（一）：原理，部署使用，GraphRAG与传统RAG如何选型
3. 第三讲GraphRAG（二）：索引原理，Leiden算法，索引流程
4. 第四讲GraphRAG（三）：全局查询，局部查询，drift查询，graphrag实践
5. 第五讲LightRAG（一）：原理，实体与关系提取，双层检索，增强回答
6. 第六讲LightRAG（二）：示例代码，参数解读，graph可视化，自定义支持
7. 第七讲LightRAG（三）：Neo4j使用，API Server支持，性能评估

第六章

NL2SQL实战落地

1. 第一讲NL2SQL发展历程与技术路线（一）：场景与技术落地
2. 第二讲NL2SQL发展历程与技术路线（二）：代码实践与NL2SQL评估
3. 第三讲NL2SQL RAG增强技术原理（一）：vanna原理与实操
4. 第四讲NL2SQL RAG增强技术原理（二）：架构与源代码分析
5. 第五讲SQLCoder实践
6. 第六讲NL2SQL模型训练（一）
7. 第七讲NL2SQL模型训练（二）
8. 第八讲NL2SQL模型训练（三）

第七章

MCP原理与技术实战

1. 第一讲MCP入门与实操（一）
2. 第二讲MCP入门与实操（二）
3. 第三讲第三方框架与MCP落地
4. 第四讲Browser Use框架原理（一）
5. 第五讲Browser Use框架原理（二）
6. 第六讲Open Manus原理与代码分析

第八章

AI行业落地与开发-企业服务

1. 第一讲Coze工作流与智能客服
2. 第二讲AI知识库与数据准备
3. 第三讲deepseek本地部署流程（一）
4. 第四讲deepseek本地部署流程（二）
5. 第五讲Dify工作流与智能客服
6. 第六讲Dify源代码分析（一）
7. 第七讲Dify源代码分析（二）
8. 第八讲Dify知识库原理（一）
9. 第九讲Dify知识库原理（二）
10. 第十讲Dify知识库原理（三）
11. 第十一讲Dify工具开发与二次开发
12. 第十二讲AI运营与AI客服与社交平台打通（一）
13. 第十三讲AI运营与AI客服与社交平台打通（二）

第九章

Agent2026技术实战

1. 第一讲手撕Agent记忆系统（一）
2. 第二讲手撕Agent记忆系统（二）
3. 第三讲手撕Agent记忆系统（三）
4. 第四讲手撕Agent记忆系统（四）
5. 第五讲手撕Agent记忆系统（五）
6. 第一讲OpenClaw架构，原理与落地实战（一）
7. 第二讲OpenClaw架构，原理与落地实战（二）
8. 第三讲OpenClaw架构，原理与落地实战（三）
9. 第四讲OpenClaw架构，原理与落地实战（四）
10. 第五讲OpenClaw架构，原理与落地实战（五）

第十章

AI行业落地与开发-AIGC

1. 第一讲AI绘画 stable diffusion部署与开发及工具（1）
2. 第二讲AI绘画 stable diffusion部署与开发及工具（2）
3. 第三讲AI绘画 comfyUI部署与开发，mj集成等（1）
4. 第四讲AI绘画 comfyUI部署与开发，mj集成等（2）
5. 第五讲AI绘画 diffusers库开发
6. 第六讲AI绘画 stable diffusion 1.x架构原理（1）
7. 第七讲AI绘画 stable diffusion 1.x架构原理（2）
8. 第八讲AI绘画 stable diffusion 1.x架构原理（3）
9. 第九讲AI绘画 SD3与Flux架构原理
10. 第一讲AI语音TTS与ASR应用开发（1）
11. 第二讲AI语音TTS与ASR应用开发（2）
12. 第三讲AI语音ASR技术 whisper原理与开发
13. 第四讲AI语音ASR技术 SenseVoice原理、使用与训练
14. 第五讲AI语音TTS技术 CosyVoice原理，使用与训练（1）
15. 第六讲AI语音TTS技术 CosyVoice原理，使用与训练（2）
16. 第七讲AI语音TTS技术 F5-TTS原理，使用与训练
17. 第八讲AI语音TTS技术 GLM4-voice原理，使用与训练
18. 第九讲AI多模态Qwen2.5-Omini原理，使用
19. 第十讲AI多模态MiniCMP-o原理，使用与训练
20. 第一讲AI音乐（一）suno与udio集成与开发
21. 第二讲AI音乐（二）YuE原理、使用与训练
22. 第三讲AI音乐（三）SongGen原理，使用与训练
23. 第四讲AI音乐（四）其它开源项目

第十一章

AI行业落地与开发

1. 第一讲AI视频（一）线上各种API接入
2. 第二讲AI视频（二）通义万相原理，使用训练
3. 第三讲AI视频（三）CogVideoX原理
4. 第四讲AI视频（四）其它开源项目
5. 第五讲AI视频（五）视频自动剪辑