第一:ChatGPT-4o
1、基于思维链
2、利用思维链方法优化提示词,提升对话质量
3、GPTs逆向工程:提示词
4、对常见GPTs提示词进行逆向工程
5、提示词保护策略以及防止提示词被破解的方法
6、构建坚不可摧的GPTs:设计一个安全的提示词
7、GPT API接口调用与完整项目开发
第二:大语言模型原理
1、注意力机制
2、实现一个简单的注意力机制模型
3、Transformer模型架构
4、Transformer模型在NLP和CV中的应用
5、BERT模型
6、GPT模型工作原理及演化过程
7、向量数据库简介与向量检索技术
8、文本嵌入(Text Embedding)技术
第三:大语言模型优化
1、检索增强生成(RAG)技术
2、基于RAG的问答系统设计
3、微调(Fine-Tuning)技术
4、微调一个预训练的GPT模型
5、量化技术
第四:开源大语言模型及本地部署
1、开源大语言模型
2、开源大语言模型(Llama3、Mistral、Phi3、Qwen2等)下载与使用
3、使用Docker部署开源大语言模型
4、使用Open-WebUI构建Web可视化交互(类似ChatGPT)的开源大语言模型对话系统
第五:从0到1搭建第一个大语言模型
1、数据集构建
2、大语言预训练模型的选择
3、大语言模型的训练(模型训练的基本步骤、训练过程中的监控与调试)
4、大语言模型的优化
5、大语言模型的推理
6、大语言模型的部署与应用
第六:智能体(Agent)构建
1、智能体
2、构建智能体(Agent)的基本步骤
3、LangChain平台
4、使用LangChain构建Agent(LangChain的使用流程、LangChain的配置与管理)
5、Coze平台
6、使用Coze平台构建Agent
第七:大语言模型发展趋势
1、大语言模型发展趋势
2、多模态大语言模型
3、多模态大语言模型的训练与优化
4、Mixture of Experts(MoE)