AI大模型12期2025最新【知乎】-百度云盘下载

知乎 – AI大模型第12期 2025最新视频教程 详细介绍

一、课程简介

《知乎-AI大模型第12期（2025最新）》是由知乎官方精心打造的实战导向课程，聚焦于人工智能大模型（LLM）的前沿进展与实际应用。课程紧跟2025年AI领域的最新动向，系统讲解大模型的基础理论、训练调优方法、典型应用场景、开发工具链及企业级实施策略，并拓展至创业方向与行业趋势分析。

课程兼顾理论深度与实践训练，配备丰富的代码示例与项目案例，助力学员快速构建完整的AI大模型知识结构，提升工程实践能力，并将其运用于实际工作或创新项目中。

二、课程特色

• ​权威团队​：由知乎AI研究员、行业专家及一线大厂工程师联合研发，内容紧贴实战需求。
• ​内容前瞻​：引入2025年热门大模型技术，包括多模态AI、智能体（Agent）、RAG增强、轻量化部署等新兴方向。
• ​学练结合​：从Transformer架构原理解析到企业级RAG系统开发，配套完整源代码与可运行案例。
• ​体系完整​：课程设计由浅入深，构建从零基础到高阶实战的连贯学习路径。
• ​实用为先​：围绕行业真实需求展开，重点解决算力优化、私有化部署、安全合规等落地难题。

三、核心模块

1. ​AI大模型前沿认知​
   • 大模型演进历程与2025年最新进展
   • GPT-4.5、Claude 3.5、通义千问、文心一言等主流模型对比
   • 多模态大模型融合趋势（文本、图像、音频、视频）
   • AIGC与Agent技术的发展前景
2. ​大模型核心原理与技术解析​
   • Transformer架构深入解读（注意力机制、位置编码等）
   • 预训练、微调、指令调优及RLHF原理剖析
   • 高效参数微调方法（LoRA、QLoRA、Adapter、P-tuning V2）
   • 模型评估与对齐技术详解
3. ​大模型应用开发实战​
   • 高级提示词工程技巧
   • RAG系统构建与性能优化
   • LangChain / LlamaIndex 实战演练
   • 多模态应用开发：图文生成、语音合成、视频生成
   • 搭建企业级智能问答系统
4. ​模型部署与性能优化​
   • 推理加速技术（量化、知识蒸馏、模型剪枝）
   • GPU/CPU及国产芯片适配部署方案
   • 云端与本地私有化部署策略对比
   • 大模型安全与合规要点（数据隐私、内容审核等）
5. ​AI智能体与自动化实战​
   • Agent基本概念与主流生态（AutoGPT、BabyAGI、CrewAI）
   • 多智能体协同系统开发
   • LLM赋能办公自动化、数据分析与业务流程优化
   • 企业级智能助手构建案例
6. ​行业应用与案例分析​
   • AI在金融、教育、医疗、电商、游戏等领域的落地实践
   • 知乎平台内AIGC应用实例解析
   • AIGC在自媒体、短视频、电商运营中的实战玩法
   • 企业私有大模型建设案例深度解读
7. ​创业方向与未来展望​
   • 大模型创业机会分析（ToB/ToC应用场景）
   • 2025年AI行业投融资趋势解读
   • 国内外主流开源模型生态梳理（LLaMA、Mistral、Qwen、Baichuan等）
   • 学员项目展示与专家点评

四、你能收获什么

完成课程后，你将能够：

• 系统掌握AI大模型的核心理论与关键技术；
• 独立开发基于大模型的应用程序与智能体系统；
• 实施企业级RAG知识库、对话系统与自动化助手；
• 掌握模型优化与多环境部署技巧，应对不同资源条件；
• 拓宽行业视野，探索“AI+行业”融合的创新机会。

五、适合谁学

• 对AI与大模型技术感兴趣的学习者；
• 计划进入AI领域的程序员、产品经理及科研人员；
• 具备一定编程/算法基础，希望系统提升的开发者；
• 企业技术负责人，致力于推动AI应用落地；
• AI领域创业者、自媒体及知识付费从业者。

六、课程价值

• ​体系化内容​：覆盖大模型从理论到实战的全链路知识体系；
• ​实战驱动​：提供可复用的源码与案例，边学边练；
• ​前沿视野​：紧扣2025年AI技术与产业新风向；
• ​实用导向​：聚焦真实业务问题，助力技术落地与价值创造。

📌 课程总结

《知乎-AI大模型第12期（2025最新）》不仅是一次系统学习，更是一次大模型全栈训练。它帮助学员高效建立AI知识体系，掌握实战技能，并拓展行业应用与创业视野。在AI技术飞速发展的2025年，本课程是进入大模型领域的优质起点。

课程目录：
├── 1-AI大模型原理与API使用
│ ├── CASE-保险反欺诈
│ │ ├── .ipynb_checkpoints
│ │ │ ├── insurance_automl-checkpoint.ipynb
│ │ │ ├── insurance_automl2-checkpoint.ipynb
│ │ │ ├── insurance_feature_importance-checkpoint.ipynb
│ │ │ ├── insurance_fraud_detect-checkpoint.ipynb
│ │ │ ├── insurance_fraud_detect1-checkpoint.ipynb
│ │ │ ├── insurance_fraud_detect2-checkpoint.ipynb
│ │ │ ├── test1-checkpoint.ipynb
│ │ │ ├── test2-checkpoint.ipynb
│ │ │ └── Untitled-checkpoint.ipynb
│ │ ├── test.csv
│ │ └── train.csv
│ ├── 1-AI大模型原理与DeepSeek使用.pdf
│ ├── 1-情感分析-Qwen.ipynb
│ ├── 2-API使用.pdf
│ ├── 2-天气Function-Qwen.ipynb
│ ├── 3-表格提取-Qwen.ipynb
│ ├── 4-运维事件处置-Qwen.ipynb
│ ├── 5-情感分析-Deepseek-阿里代理.ipynb
│ ├── 6-deepseek-r1-7b使用.ipynb
│ ├── 6-deepseek-r1-7b使用.py
│ ├── README.md
│ └── 笔记-20250331.txt
├── 2-Prompt工程：设计与优化
│ ├── 1-DeepSeek使用.pdf
│ ├── 1-情感分析-Deepseek-阿里代理.ipynb
│ ├── 1-情感分析-Deepseek-阿里代理.py
│ ├── 2-提示词工程.pdf
│ ├── 2-提示词工程使用.ipynb
│ ├── 2-提示词工程使用.py
│ ├── 3-deepseek-r1-7b使用.ipynb
│ ├── 3-deepseek-r1-7b使用.py
│ ├── README.md
│ └── 笔记20250403.txt
├── 3-Cursor编程：从入门到精通
│ ├── CASE-bed_usage
│ │ ├── .qodo
│ │ │ └── [空目录]
│ │ └── hospital_bed_usage_data.xlsx
│ ├── CASE-dashboard_epidemic
│ │ └── 香港各区疫情数据_20250322.xlsx
│ ├── CASE-Excel_merge
│ │ ├── 员工基本信息表.xlsx
│ │ └── 员工绩效表.xlsx
│ ├── 【完成参考】bed_usage
│ │ ├── .qodo
│ │ │ └── history.sqlite
│ │ ├── charts
│ │ │ ├── TOP10最低使用率科室.png
│ │ │ ├── TOP10最高使用率科室.png
│ │ │ ├── 病床数量与使用率关系.png
│ │ │ ├── 各医院病床使用率.png
│ │ │ └── 医院科室使用率热力图.png
│ │ ├── data_cache
│ │ │ ├── data_cache.pkl
│ │ │ └── metadata.json
│ │ ├── templates
│ │ │ └── index.html
│ │ ├── app.py
│ │ ├── hospital_bed_usage_data.xlsx
│ │ ├── precompute_data.py
│ │ ├── README.md
│ │ ├── view_excel_data.py
│ │ └── .gitignore
│ ├── 【完成参考】dashboard_epidemic
│ │ ├── .qodo
│ │ │ └── [空目录]
│ │ ├── static
│ │ │ ├── css
│ │ │ └── js
│ │ ├── templates
│ │ │ └── index.html
│ │ ├── app.py
│ │ ├── README.md
│ │ ├── read_excel.py
│ │ ├── requirements.txt
│ │ ├── .gitignore
│ │ ├── 各地区确诊病例对比图.png
│ │ ├── 活跃病例数据统计图.png
│ │ ├── 每日确诊数据统计图.png
│ │ ├── 香港各区疫情数据_20250322.xlsx
│ │ ├── 疫情数据统计图 – 副本.png
│ │ └── 疫情数据统计图.png
│ ├── 【完成参考】Excel_merge
│ │ ├── .qodo
│ │ │ └── [空目录]
│ │ ├── Excel_merge.py
│ │ ├── .gitignore
│ │ ├── 员工基本信息表.xlsx
│ │ ├── 员工绩效表.xlsx
│ │ └── 员工信息与绩效合并表.xlsx
│ ├── 1-Cursor编程.pdf
│ ├── 【补充】CASE-病床使用情况.pdf
│ ├── 【课前准备】AI编程工具安装.pdf
│ └── 笔记20250408.txt
├── 4-Cursor数据可视化与洞察
│ ├── CASE-客户续保预测
│ │ ├── policy_data.xlsx
│ │ └── policy_test.xlsx
│ ├── 【完成参考】CASE-客户续保预测
│ │ ├── .qodo
│ │ │ └── [空目录]
│ │ ├── age_distribution.png
│ │ ├── analyze_data.py
│ │ ├── best_decision_tree_text.txt
│ │ ├── best_decision_tree_viz.png
│ │ ├── best_dt_roc_curve.png
│ │ ├── best_lr_coefficients.png
│ │ ├── best_lr_feature_importance.png
│ │ ├── best_lr_roc_curve.png
│ │ ├── best_roc_curve.png
│ │ ├── bnb_confusion_matrix.png
│ │ ├── bnb_roc_curve.png
│ │ ├── confusion_matrix.png
│ │ ├── decision_tree_model.py
│ │ ├── decision_tree_text.txt
│ │ ├── decision_tree_viz.png
│ │ ├── dt_confusion_matrix.png
│ │ ├── dt_feature_importance.png
│ │ ├── dt_roc_curve.png
│ │ ├── feature_importance.png
│ │ ├── gender_age_boxplot.png
│ │ ├── gender_distribution.png
│ │ ├── gnb_confusion_matrix.png
│ │ ├── gnb_roc_curve.png
│ │ ├── logistic_regression_model.py
│ │ ├── lr_coefficients.png
│ │ ├── lr_confusion_matrix.png
│ │ ├── lr_feature_importance.png
│ │ ├── lr_roc_curve.png
│ │ ├── mnb_confusion_matrix.png
│ │ ├── mnb_roc_curve.png
│ │ ├── naive_bayes_model.py
│ │ ├── nb_models_comparison_roc.png
│ │ ├── policy_data.xlsx
│ │ ├── policy_test.xlsx
│ │ ├── random_forest_model.py
│ │ ├── README.md
│ │ ├── region_correlation.png
│ │ ├── roc_curve.png
│ │ ├── view_data.py
│ │ ├── view_excel.py
│ │ └── .gitignore
│ ├── 1-Cursor数据可视化与洞察.pdf
│ ├── 2-CASE-客户续保预测.pdf
│ └── 笔记20250410.txt
├── 5-Embeddings和向量数据库
│ ├── hotel_recommendation
│ │ ├── .ipynb_checkpoints
│ │ │ └── hotel_rec-checkpoint.ipynb
│ │ ├── .qodo
│ │ │ └── history.sqlite
│ │ ├── hotel_rec – nltk.py
│ │ ├── hotel_rec.ipynb
│ │ ├── hotel_rec.py
│ │ ├── Seattle_Hotels.csv
│ │ └── .gitignore
│ ├── word2vec
│ │ ├── journey_to_the_west
│ │ │ ├── segment
│ │ │ └── source
│ │ ├── models
│ │ │ └── word2Vec.model
│ │ ├── three_kingdoms
│ │ │ └── source
│ │ ├── utils
│ │ │ ├── __pycache__
│ │ │ ├── create_batch_data.py
│ │ │ ├── create_word2vec.py
│ │ │ ├── files_processing.py
│ │ │ ├── segment.py
│ │ │ └── __init__.py
│ │ ├── word_seg.py
│ │ └── word_similarity.py
│ ├── 1-Embedding与向量数据库.pdf
│ └── 笔记20250414.txt
├── 6-RAG技术与应用
│ ├── CASE-ChatPDF-Faiss
│ │ ├── .ipynb_checkpoints
│ │ │ └── chatpdf-faiss-checkpoint.ipynb
│ │ ├── .qodo
│ │ │ └── [空目录]
│ │ ├── faiss-1
│ │ │ ├── index.faiss
│ │ │ └── index.pkl
│ │ ├── chatpdf-faiss.ipynb
│ │ ├── chatpdf-faiss.py
│ │ ├── ReadMe.md
│ │ └── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf
│ ├── CASE-embedding使用
│ │ ├── .qodo
│ │ │ └── [空目录]
│ │ ├── bge-m3使用.py
│ │ ├── gte-qwen2-使用1.py
│ │ └── gte-qwen2-使用2.py
│ ├── 1-RAG技术与应用.pdf
│ ├── 2-NotebookLM使用.pdf
│ └── 笔记20250417.txt
├── 7-RAG高级技术与最佳实践
│ ├── Case-ChatPDF-Faiss
│ │ ├── chatpdf-faiss.ipynb
│ │ ├── chatpdf-faiss.py
│ │ ├── MultiQueryRetriever使用.ipynb
│ │ ├── MultiQueryRetriever使用.py
│ │ └── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf
│ ├── CASE-Qwen-Agent-RAG
│ │ ├── docs
│ │ │ ├── 1-平安商业综合责任保险（亚马逊）.txt
│ │ │ ├── 2-雇主责任险.txt
│ │ │ ├── 3-平安企业团体综合意外险.txt
│ │ │ ├── 4-雇主安心保.txt
│ │ │ ├── 5-施工保.txt
│ │ │ ├── 6-财产一切险.txt
│ │ │ ├── 7-平安装修保.txt
│ │ │ ├── 平安产险交通出行意外伤害保险（互联网版）产品说明.pdf
│ │ │ ├── 平安产险交通工具意外伤害保险（互联网版）条款.pdf
│ │ │ ├── 平安附加疾病身故保险条款.pdf
│ │ │ ├── 平安境内紧急医疗救援服务条款.pdf
│ │ │ ├── 平安企业团体综合意外险(互联网版)适用条款.pdf
│ │ │ └── 平安商业综合责任保险（亚马逊）.pdf
│ │ ├── qwen-agent-1.ipynb
│ │ ├── qwen-agent-1.py
│ │ ├── qwen-agent-multi-files.ipynb
│ │ ├── qwen-agent-multi-files.py
│ │ └── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf
│ ├── graphrag-main
│ │ └── cases
│ │ ├── input
│ │ ├── settings.yaml
│ │ └── .env
│ ├── rerank
│ │ ├── beg-reranker.ipynb
│ │ └── beg-reranker.py
│ ├── 1-RAG高级技术与实践.pdf
│ └── 笔记20250422.txt
├── 8-Text2SQL：自助式数据报表开发
│ ├── CASE-SQL Copilot
│ │ ├── insurance
│ │ │ ├── data
│ │ │ ├── qa_list-1.txt
│ │ │ ├── qa_list-2.txt
│ │ │ ├── SQL查询-Chat.ipynb
│ │ │ ├── SQL查询-Coder.ipynb
│ │ │ └── SQL结果评测.ipynb
│ │ ├── codegeex-1.ipynb
│ │ └── qwen-coder1.ipynb
│ ├── Case-SQL-LangChain
│ │ ├── .ipynb_checkpoints
│ │ │ ├── sql_agent_deepseek-checkpoint.ipynb
│ │ │ └── sql_life_insurance-checkpoint.ipynb
│ │ ├── sql_agent_deepseek.ipynb
│ │ └── sql_life_insurance.ipynb
│ ├── CASE-SQL-vanna
│ │ ├── vanna-mysql.ipynb
│ │ └── vanna-mysql.py
│ ├── SQL数据表源文件
│ │ ├── agentinfo.sql
│ │ ├── beneficiaryinfo.sql
│ │ ├── claiminfo.sql
│ │ ├── crs_orders.sql
│ │ ├── customerinfo.sql
│ │ ├── employeeinfo.sql
│ │ ├── heros.sql
│ │ ├── policyinfo.sql
│ │ └── productinfo.sql
│ ├── 1-Text2SQL：自助式数据报表开发.pdf
│ ├── 2-vanna使用.pdf
│ └── 笔记20250424.txt
├── 9-LangChain：多任务应用开发
│ ├── Case-LangChain使用
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 1-LLMChain-checkpoint.ipynb
│ │ │ ├── 2-LLMChain-checkpoint.ipynb
│ │ │ ├── 3-LLMChain-checkpoint.ipynb
│ │ │ ├── 4-ConversationChain-checkpoint.ipynb
│ │ │ ├── ConversationChain1-checkpoint.ipynb
│ │ │ ├── indexes1-checkpoint.ipynb
│ │ │ ├── LLMChain-ChatPromptTemplate1-checkpoint.ipynb
│ │ │ ├── LLMChain1-checkpoint.ipynb
│ │ │ ├── LLMChain2-1-checkpoint.ipynb
│ │ │ ├── LLMChain2-checkpoint.ipynb
│ │ │ └── LLMChain3-checkpoint.ipynb
│ │ ├── 1-LLMChain.ipynb
│ │ ├── 2-LLMChain.ipynb
│ │ ├── 3-LLMChain.ipynb
│ │ ├── 4-ConversationChain.ipynb
│ │ └── 5-product_llm.py
│ ├── CASE-搭建故障诊断Agent
│ │ ├── 2-network_diagnosis_agent.py
│ │ ├── network_diagnosis_agent_logic.md
│ │ └── requirements.txt
│ ├── CASE-工具链组合
│ │ ├── 1-simple_toolchain.py
│ │ ├── 2-simple_toolchain.py
│ │ ├── 3-lcel-demo.py
│ │ └── requirements.txt
│ ├── 1-LangChain：多任务应用开发.pdf
│ ├── 2-Generative Agents.pdf
│ └── 笔记20250429.txt
├── AI大模型全栈工程师先导课（赠）
│ ├── 1-初始Python.mp4
│ ├── 10-字符编码的处理.mp4
│ ├── 11-Python程序调式和异常处理技巧.mp4
│ ├── 12-JSON应用.mp4
│ ├── 13-文件IO.mp4
│ ├── 14-爬虫（1）.mp4
│ ├── 15-爬虫（2）.mp4
│ ├── 16-爬虫（3）.mp4
│ ├── 17-爬虫（4）.mp4
│ ├── 18-字符串处理.mp4
│ ├── 19.dotenv使用.mp4
│ ├── 2-Windows环境安装.mp4
│ ├── 20.FastAPI的使用.mp4
│ ├── 3-macOS环境安装.mp4
│ ├── 4-VSCode安装与应用.mp4
│ ├── 5-PyCharn安装与应用.mp4
│ ├── 6-pip包管理工具.mp4
│ ├── 7-Python工程应用-字符串.mp4
│ ├── 8-Python文档化应用场景.mp4
│ └── 9-如何使用注解.mp4
├── AI大模型全栈会员专享系列讲座（赠）
│ ├── 1.AI编程
│ │ └── 1. 【何少甫】网易 CodeWave 智能开发平台的 AI 实践.mp4
│ ├── 2.RAG
│ │ ├── 1. 【翼飞】阿里云百炼之RAG在企业场景的应用.mp4
│ │ └── 2. 【刘海峰】ChatU.ai 企业落地经验.mp4
│ ├── 3.LangChain
│ │ └── 1. 【薛宏伟】LangChain 核心源码解读.mp4
│ ├── 4.手撕 AutoGPT
│ │ ├── 1. 【丛鑫、卢雅西】XAgent 原理、技术与应用.mp4
│ │ └── 2. 【林义章】MetaGPT 让每个人拥有专属智能体.mp4
│ ├── 5.Fine-tuning
│ │ ├── 1. 【张轩玮】我是如何训练百亿参数大模型 ChatYuan 的.mp4
│ │ ├── 2. 【施兴】如何用 Stable Diffusion 复现一个妙鸭.mp4
│ │ ├── 3. 【甘如饴】多模态大模型和代码大模型是怎样炼成的.mp4
│ │ ├── 4. 【神秘嘉宾】大模型时代的AI产品新挑战.mp4
│ │ ├── 5. 【可乐】百度智能云千帆行业实战&金融大模型应用探索与开发实践.mp4
│ │ ├── 6. 【麒汀】阿里云百炼之一站式模型微调训练实践.mp4
│ │ └── 7. 【罗璇】从RWKV看端侧大模型的发展.mp4
│ ├── 6.多模态
│ │ └── 1. 【吴桂林】数字分身应用及技术介绍.mp4
│ ├── 7.部署和交付
│ │ └── 1. 【David】智能算力那点事儿.mp4
│ └── 8.产品设计和运营
│ ├── 1. 【周玮】AI 落地实战应用——EDGE 过程总结和复盘.mp4
│ ├── 2. 【王乐】复盘 FoloToy AI 玩具的独立开发历程.mp4
│ ├── 3. 【汪源】GenAI的创新逻辑与趋势.mp4
│ └── 4. 【Frank Nee】中国产品如何出海.mp4
├── ai大模型正课
│ ├── 0、开班典礼.mp4
│ ├── 10、Function Calling与跨模型协作.mp4
│ ├── 11、Agent智能体系统的设计与应用.mp4
│ ├── 12、MCP应用与实战.mp4
│ ├── 13、视觉大模型与视觉智能体.mp4
│ ├── 14、视觉大模型与视觉智能体.mp4
│ ├── 15、Fine-tuning技术与大模型优化.mp4
│ ├── 16、Coze工作原理与应用实例.mp4
│ ├── 17、Coze插件开发实战.mp4
│ ├── 1、AI大模型基本原理与deepseek使用.mp4
│ ├── 2、Prompt工程：设计与优化.mp4
│ ├── 3、Cursor编程-从入门到精通.mp4
│ ├── 4、Cursor 可视化大屏搭建.mp4
│ ├── 5、Embeddings和向量数据库.mp4
│ ├── 6、RAG（Retrieval Augmented Generation）技术与应用.mp4
│ ├── 7、RAG高级技术与最佳实践.mp4
│ ├── 8、Text2SQL：自助式数据报表开发.mp4
│ └── 9、LangChain：多任务应用开发.mp4
├── AI大模型追新课
│ ├── 1、DeepSeek解析：技术演进、模型指南与产业应用.mp4
│ └── 2、解析 Manus：多智能体技术的架构与未来.mp4
└── 常用工具下载
└── OllamaSetup.exe
├── 10-Function Callling与协作
│ ├── CASE-Function Calling
│ │ ├── qwen3-function使用-2.py
│ │ ├── qwen3-function使用.py
│ │ └── requirements.txt
│ ├── CASE-ticket-agent
│ │ ├── assistant_revenue_bot.py
│ │ ├── assistant_ticket_bot-1.py
│ │ ├── assistant_ticket_bot-2.py
│ │ ├── assistant_ticket_bot-3.py
│ │ └── requirements.txt
│ └── Function Calling与协作.pdf
├── 11-MCP与A2A应用
│ ├── CASE-A2A使用
│ │ ├── BasketBallAgent.py
│ │ ├── requirements.txt
│ │ └── WeatherAgent.py
│ ├── CASE-MCP Demo-1
│ │ ├── assistant_mcp_amap_bot.py
│ │ ├── assistant_mcp_txt_bot.py
│ │ ├── requirements.txt
│ │ ├── txt_counter.py
│ │ ├── .cursorindexingignore
│ │ ├── .gitignore
│ │ └── 旅行规划.md
│ ├── CASE-MCP Demo-2
│ │ ├── assistant_bot.py
│ │ └── requirements.txt
│ ├── 1-MCP与A2A的应用.pdf
│ └── 笔记20250508.txt
├── 12-Agent智能体系统的设计与应用
│ ├── CASE-私募基金运作指引问答助手（反应式）
│ │ ├── fund_qa_langgraph.py
│ │ └── fund_qa_qwen_agent.py
│ ├── CASE-投顾AI助手（混合式）
│ │ ├── hybrid_wealth_advisor_langgraph.py
│ │ ├── hybrid_wealth_advisor_qwen_agent.py
│ │ └── requirements.txt
│ ├── CASE-智能投研助手（深思熟虑）
│ │ ├── deliberative_research_agent_comparison.md
│ │ ├── deliberative_research_agent_documentation.md
│ │ ├── deliberative_research_langgraph.py
│ │ ├── deliberative_research_qwen_agent-2.py
│ │ └── requirements.txt
│ ├── 1-Agent智能体系统的设计与应用.pdf
│ └── 笔记20250513.txt
├── 13-视觉大模型与多模态理解
│ ├── CASE-MinerU使用
│ │ ├── 1-MinerU.ipynb
│ │ ├── download_models_hf.py
│ │ ├── Qwen3-tech_report.pdf
│ │ └── 三国演义.pdf
│ ├── CASE-VLM在车险中的应用
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 1-Qwen-VL-保险识别-cn-checkpoint.ipynb
│ │ │ └── 2-Qwen-VL-chat1-checkpoint.ipynb
│ │ ├── 1-Qwen-VL-保险识别-cn.ipynb
│ │ ├── 1-vehicle-odometer-reading.jpg
│ │ ├── 10-extraction-of-auto-accident-elements.jpg
│ │ ├── 11-vehicle-identity-verification-1.jpg
│ │ ├── 11-vehicle-identity-verification-2.jpg
│ │ ├── 12-vehicle-identity-verification-1.jpg
│ │ ├── 12-vehicle-identity-verification-2.jpg
│ │ ├── 2-Qwen-VL-chat1.ipynb
│ │ ├── 2-vehicle-odometer-reading.jpg
│ │ ├── 3-vehicle-underwriting-1.jpg
│ │ ├── 3-vehicle-underwriting-2.jpg
│ │ ├── 3-vehicle-underwriting-3.jpg
│ │ ├── 3-vehicle-underwriting-4.jpg
│ │ ├── 3-vehicle-underwriting-5.jpg
│ │ ├── 4-Dangerous-driving-behavior-detection.jpg
│ │ ├── 5-Dangerous-driving-behavior-detection.jpg
│ │ ├── 6-Dangerous-driving-behavior-detection-1.jpg
│ │ ├── 6-Dangerous-driving-behavior-detection-2.jpg
│ │ ├── 6-Dangerous-driving-behavior-detection-3.jpg
│ │ ├── 6-Dangerous-driving-behavior-detection-4.jpg
│ │ ├── 6-Dangerous-driving-behavior-detection-5.jpg
│ │ ├── 7-vehicle-damage-evaluation.jpg
│ │ ├── 8-vehicle-damage-evaluation.jpg
│ │ ├── 9-extraction-of-auto-accident-elements.jpg
│ │ ├── prompt_template_cn_result-20250430.xlsx
│ │ ├── prompt_template_cn_result.xlsx
│ │ ├── prompt_template_cn.xlsx
│ │ ├── prompt_template_en_result.xlsx
│ │ └── prompt_template_en.xlsx
│ ├── CASE-VLM在寿险中的应用
│ │ ├── .ipynb_checkpoints
│ │ │ └── 2-Qwen-VL-本地图片-checkpoint.ipynb
│ │ ├── 1-Chinese-document-extraction.jpg
│ │ ├── 1-Qwen-VL-保险识别-cn.ipynb
│ │ ├── 2-Japanese-document-extraction.jpg
│ │ ├── 2-Qwen-VL-本地图片.ipynb
│ │ ├── 3-French-document-extraction.jpg
│ │ ├── 4-German-document-extraction.jpg
│ │ ├── 5-Korean-document-extraction.jpg
│ │ ├── prompt_template_cn_result.xlsx
│ │ └── prompt_template_cn.xlsx
│ ├── CASE-汽车剐蹭视频理解
│ │ ├── car.mp4
│ │ ├── requirements.txt
│ │ ├── video-understand.ipynb
│ │ └── video-understand.py
│ ├── yolo-cases.zip
│ ├── 笔记20250515.txt
│ └── 视觉大模型与多模态理解.pdf
├── 15-Coze工作原理与应用实例
│ ├── CASE：创建产品知识库
│ │ ├── 大模型定价.xlsx
│ │ ├── 空调定价.xlsx
│ │ ├── 浦发上海浦东发展银行西安分行个金客户经理考核办法.pdf
│ │ └── 远程办公场景最佳实践.docx
│ ├── 1-Coze工作原理与应用实例.pdf
│ └── 笔记20250522.txt
├── 16-Coze进阶实战与插件开发
│ ├── CASE-客户分层营销助手
│ │ ├── user_behavior_event.xlsx
│ │ ├── user_tag.xlsx
│ │ └── 营销策略.xlsx
│ ├── CASE-市场舆情监测Agent
│ │ ├── AppStorePast-代码1.py
│ │ ├── AppStorePast.py
│ │ ├── securities_past.py
│ │ ├── 代码1.py
│ │ └── 代码.js
│ ├── CASE-智能客服Agent
│ │ ├── user_complain.xlsx
│ │ ├── 港股交易规则介绍.pdf
│ │ ├── 平安财富日添利理财产品.doc
│ │ ├── 上海证券交易所交易规则.pdf
│ │ └── 中国平安金裕人生理财产品.doc
│ ├── ABC公司证券产品介绍.txt
│ ├── Coze进阶实战与插件开发.pdf
│ ├── 笔记20250527.txt
│ └── 证券舆情Agent.mp4