AI 赋能 Python 开发实战课
尹会生
大模型领域连续创业者 & 技术战略专家
20 人已学习
新⼈⾸单¥68
课程目录
已完结/共 58 讲
第三章:函数式编程与装饰器的应用 (4讲)
第四章:面向对象编程 OOP 与设计模式的应用 (6讲)
第六章:高级异常处理与LLM辅助的调试技巧 (4讲)
第八章:借助RAG技术实现智能客服 (4讲)
第九章:Agent交互与异步编程 (3讲)
第十章:RAG框架的接口开发 (2讲)
AI 赋能 Python 开发实战课
登录|注册
留言
收藏
沉浸
阅读
分享
手机端
回顶部
AI
当前播放: 58|模块小结
00:00 / 00:00
字幕已开启
高清
  • 高清
1.0x
  • 3.0x
  • 2.5x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.75x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看
01|Python 开发环境搭建
02|Cursor 的配置与快捷键(上)
03|Cursor 的配置与快捷键(下)
04|为 Cursor 更换自定义模型并实现代码注释的生成
05|Python 的鸭子类型与魔术方法
06|借助 LLM 练习魔术方法
07|数据类型和数据结构间的自动转换
08|借助 LLM 读代码
09|借助 LLM 生成 Python 风格的数据类型
10|定义函数与校验函数
11|匿名函数与柯里化
12|装饰器的作用域
13|开源大模型中的装饰器典型用法
14|class method 与 static method
15|名称改写、猴子补丁与抽象基类
16|类型注解
17|Mixin
18|SOLID与设计模式
19|利用大语言模型深入分析Llama Index设计模式的三种方法
20|RAG 的概念和基本工作过程
21|llamaindex 使用 OpenAI 协议模型
22|为 Llama Index 替换大模型
23|自定义 Llama Index 功能与统一接口
24|使用 Web 框架封装和拆分 Llama Index 模块
25|契约式设计与防御式编程
26|使用 LLM 设计和理解异常处理
27|利用 LLM 生成日志可视化和异常分析
28|利用 LLM 解释异常
29|Llama Index 如何实现多文件类型加载
30|如何借助大模型生成 OCR 功能的代码
31|借助大语言模型将非结构化数据整理为半结构化数据
32|借助大语言模型进行数据清洗
33|借助大语言模型优化数据可视化
34|封装 Llama index 并测试
35|利用提示词工程完成意图识别
36|RAG 的技术优化策略和业务优化策略
37|RAG 的评估方法和策略
38|使用 ReAct 框架实现 Agentic 反思的方法
39|利用 Gradio 构建网页 Demo
40|SSE 原理与流式交互的实现
41|Dify 的安装和文档
42|使用 Cursor 为 Dify 编写扩展和测试
43|借助 Claude 自动创建 Docker 必备的配置文件
44|通过 Prometheus 实现健康监控及自动创建 CICD 通用框架
45|掌握 MCP 协议的核心架构与标准化接口设计,解决数据孤岛
46|通过 MCP 协议实现 AI Agent 的动态工具调用与上下文同步
47|基于 Python 快速构建带安全认证的 MCP 服务端与客户端
48|轻量级 MCP 工具开发,代码级实践
49|构建基于 MCP 协议的AI爬虫系统,零编码动态采集网页数据
50|模块介绍
51|DeepSeek-R1 与普通大模型在软件开发领域的差异
52|DeepSeek-R1 有效提升编程效率的三种形式
53|使用 DeepSeek-R1 实现大模型的多轮对话与意图识别
54|通过联网搜索和外部工具增强 DeepSeek-R1 的时效性
55|基于 DeepSeek-R1 构建 RAG 系统,提升信息检索精度
56|探索 DeepSeek-R1 与 RPA 技术的结合点,促进跨系统操作自动化
57|DeepSeek-R1 与办公软件等集成
58|模块小结
本节摘要

登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
AI总结
文稿
全文摘要
DeepSeek R1的推出显著提升了代码生成准确性和提示词编写效率,尤其在大模型应用场景如意图识别和RAG中表现突出。该模型能够直接响应简单问题并提供高质量答案,且其结果稳定性高,适用于编程、强化学...展开
分段总结
购买后使用