👋 欢迎来到我的 "大模型学习" 仓库！
本仓库主要记录我在学习大模型过程中（目前以九天 Hector 《大模型 Agent 开发实战》视频课程为主）的笔记、代码示例、项目实践以及相关思考。
- 课程名称： 大模型 Agent 开发实战
- 讲师/机构： 九天 Hector
- 课程目标：
- 理解大模型与 AI Agent 的核心概念和原理。
- 掌握至少一种主流 Agent 开发框架（如 LangChain/LangGraph, AutoGen, OpenAI Assistant API）的使用。
- 能够独立完成简单到中等复杂度的 AI Agent 应用的开发与部署。
- 了解大模型微调、RAG 等关键技术的基本原理和实践方法。
- 初步具备将 Agent 技术应用于实际业务场景的能力。
./README.md: 本说明文件。./code/: 存放课程相关的代码示例、练习和项目。P01_env_setup_scripts/P02_deepseek_api_examples/... (按章节或项目组织)
./learning_logs/: 存放每日/每周的学习简报和日志。daily/: (可选，如果写日报)YYYY-MM-DD.md
weekly/: (可选，如果写周报)Week_N_YYYY-MM-DD_to_YYYY-MM-DD.md
README.md(learning_logs 目录的说明，可选)
./resources/: (可选) 存放学习过程中收集到的有价值的参考资料、论文摘要等。./images/: (可选) 存放笔记中使用的图片。
(学习计划与路线部分保持不变，这里省略以节省空间)
核心目标： 优先掌握 Agent 开发的核心技能，其他部分（如深度微调、部署细节）根据时间和兴趣深入。
第一阶段：基础环境与初步体验 (预计 1-2 周)
- ✅ Part 1: 大模型部署软硬件环境准备 (14小节)
- 重点：理解GPU选择、云算力使用（AutoDL）。Win/Ubuntu按需学习。
- 笔记：记录关键配置步骤、资源链接。
- ✅ Part 2: DeepSeek本地部署调用 (49小节)
- 重点：能够成功部署并调用一个本地大模型。理解API交互。
- 笔记：记录部署流程、遇到的问题及解决方案、API调用示例。
- ✅ 【加餐】OpenAI Response API (5小节) (可选，但建议，有助于理解API交互)
- ✅ Part 3: 大模型部署策略与工具详解 (13小节) (快速过一遍，了解概念)
第二阶段：Agent 入门与核心框架 (预计 3-5 周) - 这是核心！
- ✅ Part 5: 低代码开发实战 - Dify (22小节)
- 重点：通过低代码平台快速理解 Agent 的构成和能力边界。
- 实践：尝试搭建几个不同的 Agent 应用。
- ✅ Part 6: AI Agent 基础与ReAct实战 (15小节)
- 重点：彻底理解 ReAct 原理，这是很多 Agent 的基础。
- 实践：手动实现或理解 ReAct 的简单例子。
- ✅ Part 7: 自主Agent开发框架Langraph (37小节)
- 重点：LangChain/LangGraph 的核心组件（Chains, Tools, Agents, Memory, StateGraph）。
- 实践：完成课程中的 LangGraph 项目。
- ✅ Part 8: 热门Agent框架 - AutoGen (8小节)
- 重点：理解多 Agent 协作的模式。
- 实践：尝试 AutoGen 的示例。
- ✅ Part 9: 最强Agent框架AssistantAPI (18小节)
- 重点：掌握 OpenAI Assistant API 的使用，包括 Thread, Assistant, Tools (Code Interpreter, Retrieval)。
- 实践：开发一个基于 Assistant API 的应用。
- ✅ Part 18: OpenAI Agents SDK开发实战 (5小节) (与Part 9 结合学习)
- ✅ 【加餐】DS v3智能体开发实战 - Swarm (5小节) (可选，如果对DeepSeek的Agent感兴趣)
第三阶段：Agent 能力增强 - RAG (预计 1-2 周)
- ✅ Part 15: RAG基础 & 向量数据库应用 (20小节)
- 重点：理解 RAG 原理，掌握一种向量数据库 (如 Chroma, FAISS) 的使用。
- 实践：构建一个简单的基于本地知识库的问答系统。
- ✅ 【加餐】DS 实现本地知识库问答实战 (11小节) (可选，作为RAG实践)
- ✅ Part 16: 企业级RAG技术优化 & 评估 (11小节) (了解优化方向和评估方法)
- ✅ Part 17: GraphRAG应用实战 (35小节) (如果时间和精力允许，作为高级RAG技术)
第四阶段：实战项目与进阶 (贯穿或在最后2周集中)
- ✅ 实战项目一：企业知识库文档问答-Fufan_Chat (31小节) (应用RAG和Agent知识)
- ✅ 实战项目二：智能编程Agent项目-MateGen (12小节) (应用Agent开发技能)
- ✅ 实战项目三：智能客服Agent项目开发-AssistGen (25小节) (综合应用)
第五阶段：大模型微调 (如果时间允许，或在掌握Agent核心后补充)
- ✅ Part 10: 大模型高效 & 强化微调原理 (38小节) (理论为主)
- ✅ Part 11: 微调数据集获取方法及自主构建 (10小节)
- ✅ Part 12: 借助Llama-Factory进行高效微调 (30小节) (实践)
- ✅ Part 13: 大模型微调 & 蒸馏应用实战 (42小节) (实践)
- ✅ 【加餐】QwQ-32B模型部署与微调实战 (15小节)
其他“加餐”内容： 根据兴趣和时间在对应阶段穿插学习或在完成核心内容后补充。
- MCP 相关加餐：在学习高级 Agent 或对多 Agent 协作有更深兴趣时。
- 手搓系列：对底层实现感兴趣时。
学习进度跟踪 (示例):
- Part 1: 大模型部署软硬件环境准备
- 00 大模型全领域技术介绍与学习路径
- 1.1 电脑硬件选配指南
- ...
- Part 2: DeepSeek本地部署调用
- ...
我将定期在本仓库的 ./learning_logs/ 目录下更新我的学习简报。
我计划在这里记录每日/每周的学习简报或笔记：
- week1-day1 的学习简报 (2024-05-14): #####
欢迎查阅我的学习足迹！
记录大模型学习过程