LLM应用开发平台特训营视频教程，由优库it资源网整理发布。本课带你从原理到源码，从研发到造轮子，一站式培养LLM应用开发平台架构与研发能力兼备的高薪人才。全流程打造价值极高、可商用的大模型应用开发LLMOps平台，迅速具备低门槛、低成本、高效率构建生成式 AI 原生应用的稀缺能力。
极客时间-AI 大模型应用开发实战营 | 全新升级第5期
AI人工智能算法工程师
极客时间 AI大模型微调训练营
LLM大语言模型算法特训
对标大厂标准，商用+全栈+全流程的LLM应用开发平台LLMOps，打造行业紧缺，急需LLM大模型应用开发平台架构与设计的高薪人才
一. [LLM应用平台基石搭建] LLMOps架构设计与基础聊天机器人开发
二. [商业级聊天机器人开发]具备记忆、自动联网获取新知、联动企业自制知识库
三.LLMOps应用平台可视化+安全性保障+性能优化+开放API
四. (LLMOps应用平台扩展]实现通用型+支持多LL M接入的AI应用
五. [ LLMOps应用平台调优部署]前端调优及生产环境调优部署，让应用落地
六. [ LLMOps应用平台多模态插件+第三方应用集成]将开放API与第三方应用集成，并扩展配置多模态插件
七. [LLMOps应用平台企业级商用]火热五大商业级AI应用实战
八. 课程总结与LLM大语言模型进阶
LLMOps平台：慕课AI应用构建器
LLMOps平台 可视化编排+智能化定制+多LLM接口支持+多平台对接
LLMOps平台定制 火热五大商业级AI应用
.
├── 阶段一：【LLMOPs平台搭建】架构设计与基础聊天机器人开发/
│ ├── 1-第1周 LLMOps平台开发基础及架构设计/
│ │ ├── 第1章 课程介绍与安排/
│ │ │ └── [ 18M] 1-1 课程导学【快速了解课程与安排】
│ │ ├── 第2章 夯实基础，了解LLM大语言模型/
│ │ │ ├── [2.4M] 2-1 章节介绍
│ │ │ ├── [ 16M] 2-2 什么是大语言模型（LLM）
│ │ │ ├── [ 18M] 2-3 LLM在企业中的价值与市场需求
│ │ │ ├── [ 28M] 2-4 ChatGPT聊天机器人的使用与局限性
│ │ │ ├── [ 14M] 2-5 LLM应用开发专有名词解释
│ │ │ ├── [ 12M] 2-6 LLM&AI Agent应用的交互模式
│ │ │ └── [4.6M] 2-7 章节总结
│ │ ├── 第3章 初窥LLMOps，助力大模型落地/
│ │ │ ├── [3.8M] 3-1 章节介绍
│ │ │ ├── [ 27M] 3-2 从LLM大模型到AI Agent的技术演进
│ │ │ ├── [9.8M] 3-3 初识LLMOps，为什么需要LLMOps
│ │ │ ├── [ 18M] 3-4 Dify LLMOps应用开发平台功能演示
│ │ │ ├── [ 25M] 3-5 LLMOPs项目需求拆分与设计
│ │ │ ├── [ 20M] 3-6 课程LLMOps应用开发平台演示
│ │ │ └── [6.5M] 3-7 课程学习目标与解决的问题展示
│ │ └── 第4章 ChatGPT辅助学习与建议/
│ │ ├── [3.6M] 4-1 章节介绍
│ │ ├── [ 18M] 4-2 不同方向的学员如何学习这门课程与建议
│ │ ├── [ 31M] 4-3 ChatGPT辅助学习与课程提示词
│ │ ├── [ 48M] 4-4 OpenAI&月之暗面API秘钥获取与参数详解
│ │ ├── [ 46M] 4-5 Playground快速调试Prompt与接口参数
│ │ └── [3.1M] 4-6 章节总结
│ ├── 2-第2周 LLMOps后端搭建，构建基础聊天机器人/
│ │ ├── 第1章 后端Python环境搭建与项目配置/
│ │ │ ├── [3.0M] 1-1 章节介绍
│ │ │ ├── [ 22M] 1-2 Python环境搭建与配置镜像加速
│ │ │ ├── [ 13M] 1-3 PyCharm编辑器配置与插件安装
│ │ │ ├── [8.6M] 1-4 项目架构与基础框架选择
│ │ │ ├── [ 32M] 1-5 项目目录结构约定、规范与依赖注入
│ │ │ ├── [ 31M] 1-6 依赖库介绍、安装与测试
│ │ │ ├── [ 14M] 1-7 Postman基础配置与使用介绍
│ │ │ └── [4.8M] 1-8 本章总结
│ │ ├── 第2章 实现第一个GPT聊天机器人/
│ │ │ ├──【认准一手完整 www.ukoou.com】
│ │ │ ├── [3.1M] 2-1 章节介绍
│ │ │ ├── [ 20M] 2-2 30行代码实现一个聊天机器人API
│ │ │ ├── [ 33M] 2-3 校验API接口输入请求
│ │ │ ├── [ 34M] 2-4 统一响应接口设计与实现
│ │ │ ├── [ 27M] 2-5 异常错误状态统一设计与实现
│ │ │ ├── [ 42M] 2-6 PyTest配置与API测试用例
│ │ │ ├── [ 42M] 2-7 Flask-SQLAlchemy扩展的配置与使用
│ │ │ ├── [ 74M] 2-8 应用ORM模型的创建与增删改查
│ │ │ ├── [ 17M] 2-9 重写SQLAlchemy核心类实现自动提交
│ │ │ ├── [ 39M] 2-10 Flask-Migrate扩展介绍与使用
│ │ │ └── [3.9M] 2-11 本章总结
│ │ └── 第3章 LangChain初入门-简化LLM开发难度/
│ │ ├── [4.9M] 3-1 章节介绍
│ │ ├── [ 41M] 3-2 LangChain简介及为什么选择LangChain？
│ │ ├── [ 42M] 3-3 LangChain框架安装及文档介绍
│ │ ├── [ 76M] 3-4 Prompt组件及使用技巧
│ │ ├── [ 55M] 3-5 Model组件及使用技巧
│ │ ├── [ 67M] 3-6 OutputParser组件及使用技巧
│ │ ├── [ 48M] 3-7 LCEL表达式与Runnable可运行协议
│ │ ├── [ 56M] 3-8 两个Runnable核心类的讲解与使用
│ │ ├── [ 44M] 3-9 利用回调功能调试链应用-让过程更透明
│ │ ├── [ 22M] 3-10 LangSmith平台介绍与使用-从原型到生产
│ │ ├── [ 39M] 3-11 API接口文档介绍与接口统一
│ │ ├── [ 17M] 3-12 项目Git版本管理与控制
│ │ └── [4.2M] 3-13 本章总结
│ └── 3-第3周 LLMOPs前端搭建关联聊天机器人API/
│ ├── 第1章 前端Node.js环境搭建与前端项目初始化/
│ │ ├── [2.6M] 1-1 本章介绍
│ │ ├── [ 33M] 1-2 Node.js环境搭建及镜像加速
│ │ ├── [ 21M] 1-3 项目前端架构与基础框架选择
│ │ ├── [ 38M] 1-4 前端项目搭建与开发规范
│ │ ├── [ 13M] 1-5 WebStorm编辑器配置-提升TS代码开发效率
│ │ ├── [ 39M] 1-6 ArcoDesign与TailwindCSS简化UI界面开发
│ │ ├── [ 45M] 1-7 项目页面模板与路由配置，实现路由守卫功能
│ │ ├── [ 37M] 1-8 Pinia实现多页面共享数据状态
│ │ ├── [ 60M] 1-9 前端接口请求Fetch方法封装
│ │ └── [3.4M] 1-10 本章总结
│ ├── 第2章 实现联动第一个带UI的聊天机器人/
│ │ ├── [2.7M] 2-1 本章介绍
│ │ ├── [ 39M] 2-2 解决前后端分离接口跨域问题
│ │ ├── [ 22M] 2-3 即时设计 UI 设计稿快速上手与解读
│ │ ├── [ 59M] 2-4 应用编排页面结构与样式设计
│ │ ├── [ 40M] 2-5 对接API实现第一个带UI的基础聊天机器人
│ │ ├── [ 36M] 2-6 应用调试与预览功能封装与逻辑优化
│ │ └── [5.0M] 2-7 本章总结
│ └── 附件/
│ ├── [4.7M] 1.pdf
│ ├── [1.6M] 2.pdf
│ └── [644K] 第3周-代码.zip
└── 阶段二：【商业级聊天机器人开发】具备记忆、自动联网、联动自制知识库/
├── 1-第4周 记忆模块开发，让聊天机器人有记忆/
│ ├── 第1章 LangChain记忆模块快速上手/
│ │ ├── [4.2M] 1-1 本章介绍
│ │ ├── [ 57M] 1-2 LLM实现记忆功能思路与常见记忆模式
│ │ ├── [ 55M] 1-3 ChatGPT-Playground手动模拟记忆功能
│ │ ├── [ 74M] 1-4 Python+OpenAI原生SDK实现记忆功能
│ │ ├── [ 70M] 1-5 ChatMessageHistory组件上手与源码解析
│ │ ├── [ 59M] 1-6 Memory组件运行流程及不同记忆分类
│ │ ├── [ 68M] 1-7 LangChain缓冲记忆组件的使用与解析
│ │ ├── [ 64M] 1-8 LangChain摘要记忆组件的使用与解析
│ │ ├── [ 43M] 1-9 LangChain实体记忆组件的使用与解析
│ │ ├── @优库it资源网ukoou.com
│ │ ├── [ 39M] 1-10 记忆组件的持久化与第三方集成
│ │ ├── [ 68M] 1-11 内置Chain组件的使用与源码解读
│ │ ├── [ 44M] 1-12 RunnableWithMessageHistory简化代码与使用
│ │ └── [4.5M] 1-13 本章总结
│ ├── 第2章 LLMOps记忆模块解析与Runnable深入/
│ │ ├── [3.3M] 2-1 本章介绍
│ │ ├── [ 28M] 2-2 LLMOps项目记忆功能需求拆解分析
│ │ ├── [ 83M] 2-3 运行流程拆解与基础数据表设计
│ │ ├── [ 27M] 2-4 记忆功能相关API文档编写整理
│ │ ├── [ 58M] 2-5 Runnable组件动态添加默认调用参数
│ │ ├── [ 49M] 2-6 Runnable组件配置运行时链内部
│ │ ├── [ 35M] 2-7 Runnable组件动态替换运行组件
│ │ ├── [ 43M] 2-8 Runnable组件重试与回退机制降低程序错误率
│ │ ├── [ 36M] 2-9 Runnable组件生命周期监听器与使用场景
│ │ ├── [ 43M] 2-10 基于Runnable封装记忆链实现记忆自动管理
│ │ ├── [ 38M] 2-11 开源智能体MetaGPT记忆模块解读
│ │ └── [4.0M] 2-12 本章总结
│ └── 附件/
│ └── [523K] 第4周（代码）.zip
├── 2-第5周 数据集模块开发-实现特定知识库问答/
│ ├── 第1章 大模型RAG应用开发基础及入门/
│ │ ├── [4.5M] 1-1 本章介绍
│ │ ├── [ 45M] 1-2 大语言模型出现幻觉的原因及缓解方案
│ │ ├── [ 44M] 1-3 检索增强生成RAG基础架构与手动模拟
│ │ ├── [ 41M] 1-4 AI应用开发新宠——向量数据库的介绍与用途
│ │ ├── [ 42M] 1-5 传统数据库与向量数据库的使用差异
│ │ ├── [ 41M] 1-6 Embedding文本嵌入模型介绍与使用
│ │ ├── [ 45M] 1-7 OpenAI Embedding接口使用实践测试
│ │ ├── [ 33M] 1-8 CacheBackEmbedding组件的使用与注意事项
│ │ ├── [ 42M] 1-9 其他Embedding嵌入模型的配置与使用
│ │ ├── [ 93M] 1-10 Faiss向量数据库的配置与使用
│ │ ├── [ 67M] 1-11 Pinecone向量数据库的配置与使用
│ │ ├── [ 89M] 1-12 TCVectorDB向量数据库的配置与使用
│ │ ├── [ 67M] 1-13 Weaviate向量数据库的配置与使用
│ │ ├── [ 57M] 1-14 对接自定义向量数据库的配置与使用
│ │ ├── [ 56M] 1-15 构建第一个LangChain RAG应用
│ │ └── [4.5M] 1-16 本章总结
│ ├── 第2章 LangChain RAG应用开发组件深入学习/
│ │ ├── [4.6M] 2-1 本章介绍
│ │ ├── [ 50M] 2-2 Document组件与文档加载器组件的使用
│ │ ├── [ 97M] 2-3 LangChain内置文档加载器使用技巧
│ │ ├── [ 31M] 2-4 自定义LangChain文档加载器使用技巧
│ │ ├── [ 47M] 2-5 Blob与BlobParser代替文档加载器
│ │ ├── [ 61M] 2-6 文档转换器与字符分割器组件的使用
│ │ ├── [ 77M] 2-7 递归字符文本分割器的使用与运行流程
│ │ ├── [101M] 2-8 语义文档分割器与其他内容分割器的使用
│ │ ├── [ 33M] 2-9 自定义LangChain文档分割器技巧
│ │ ├── [ 43M] 2-10 非分割类型的文档转换器使用技巧
│ │ ├── [ 75M] 2-11 VectorStore组件深入学习与检索方法
│ │ ├── [ 34M] 2-12 检索器组件深入学习与使用技巧
│ │ ├── [ 21M] 2-13 内置的检索器组件与自定义检索器技巧
│ │ └── [6.3M] 2-14 本章总结
│ ├── 第3章 RAG优化策略与知识库模块功能开发解析/
│ │ ├── [4.1M] 3-1 本章介绍
│ │ ├── [ 48M] 3-2 RAG开发6个阶段优化策略分析
│ │ ├── [ 49M] 3-3 多查询重写策略提升检索准确性
│ │ ├── [ 57M] 3-4 RAG多查询结果融合策略
│ │ ├── [ 61M] 3-5 问题分解策略提升复杂问题检索正确率
│ │ ├── [ 66M] 3-6 Step-Back回答回退策略实现前置检索
│ │ ├── [ 36M] 3-7 混合策略实现doc-doc对称检索
│ │ ├── [ 33M] 3-8 集成多种检索器算法实现混合检索
│ │ ├── [ 65M] 3-9 检索器的逻辑路由缩减检索范围
│ │ ├── [ 23M] 3-10 使用语义路由选择不同的Prompt模板
│ │ ├── [ 81M] 3-11 自查询检索器实现动态元数据过滤
│ │ ├── [ 52M] 3-12 MultiVector实现多向量检索文档
│ │ ├── [ 44M] 3-13 父文档检索器实现拆分和存储平衡
│ │ ├── [ 67M] 3-14 递归文档树检索实施高级RAG深入理解
│ │ ├── [ 39M] 3-15 ReRank重排序提升RAG系统效果
│ │ ├── [ 37M] 3-16 纠正性索引增强生成CRAG优化策略
│ │ ├── [ 32M] 3-17 使用Self-RAG纠正低质量的检索生成
│ │ └── [8.3M] 3-18 本章总结
│ └── 附件/
│ ├── [2.4M] 1.pdf
│ ├── [4.7M] 2.pdf
│ ├── [3.8M] 3.pdf
│ ├── [4.2M] 4.pdf
│ ├── [3.9M] 5.pdf
│ ├── [5.5M] 6.pdf
│ ├── [ 39M] weaviate.zip
│ ├── [381K] 第1章大模型RAG应用开发基础及入门.zip
│ ├── [532K] 第2章LangChainRAG应用开发组件深入学习.zip
│ └── [643K] 第3章RAG优化策略与知识库模块功能解析.zip
└── 3-第6周 插件功能开发-聊天机器人实时联网获取信息/
├── 第1章 大语言模型函数调用与Agent开发/
│ ├── [4.5M] 1-1 本章介绍
│ ├── [ 54M] 1-2 LLM函数调用使用技巧与应用场景
│ ├── [ 46M] 1-3 LangChain中的工具与工具包
│ ├── [ 48M] 1-4 创建自定义工具的3种技巧与使用场景
│ ├── [ 60M] 1-5 高德天气预报查询插件的集成与编写
│ ├── [ 34M] 1-6 谷歌实时信息搜索插件的集成与编写
│ ├── [ 55M] 1-7 ChatModel使用函数调用的技巧与流程
│ ├── [ 67M] 1-8 不支持函数调用的大语言模型解决技巧
│ ├── [ 53M] 1-9 函数调用快速提取结构化数据使用技巧
│ ├── [ 88M] 1-10 函数调用出错捕获提升程序健壮性
│ ├── [ 72M] 1-11 多模态LLM执行函数调用的技巧
│ ├── [113M] 1-12 基于ReACT架构的Agent智能体设计与实现
│ ├── [ 56M] 1-13 基于工具调用的智能体设计与实现
│ ├── [ 37M] 1-14 内置的其他Agent类型介绍与上手
│ ├── [ 52M] 1-15 AgentExecutor源码解析与Agent组件缺陷
│ └── [5.0M] 1-16 本章总结
├── 第2章 LangGraph与LCEL构建大型复杂应用/
│ ├── [5.3M] 2-1 本章介绍
│ ├── [ 60M] 2-2 LCEL链表达式的缺点与扩展
│ ├── [ 78M] 2-3 LangGraph介绍与基础组件上手
│ ├── [ 78M] 2-4 条件边与循环流程实现工具调用Agent
│ └── [ 40M] 2-5 LangGraph实现ReACT架构Agent
└── 附件/
├── [672K] 第6周代码.zip
└── [672K] 第6周（代码）.zip
└── 电子书/
未完，包更新
