2025年聚客大模型第三期（聚客第一、第二、第三期）
├── 00_Python基础
│ ├── 1-初始Python
│ ├── 2-Windows环境安装
│ ├── 3-macOS环境安装
│ ├── 4-VSCode安装与应用
│ ├── 5-PyCharm安装与应用
│ ├── 6-pip包管理工具
│ ├── 7-Python工程应用-字符串
│ ├── 8-Python文档化应用场景
│ ├── 9-如何使用注解
│ ├── 10-字符编码的处理
│ ├── 11-Python程序调式和异常处理技巧
│ ├── 12-JSON应用
│ ├── 13-文件IO
│ ├── 14-爬虫（1）
│ ├── 15-爬虫（2）
│ ├── 16-爬虫（3）
│ ├── 17-爬虫（4）
│ ├── 18-字符串处理
│ ├── 19-dotenv使用
│ └── 20-FastAPI的使用
├── 01_AI及LLM基础
│ ├── day01_AI领域基础概念
│ ├── day02_OpenAI开发
│ └── day03_支持多模态输入的AI Chatbot App
├── 02_Prompt基础
│ └── day04_Prompt Engineering 提示词工程
├── 03_LangChain基础
│ ├── day05_LangChain基础
│ ├── day06_LangChain Chat Model
│ └── day07_LangChain Tools & Agent
├── 04_Embedding基础
│ └── day08_Embedding与向量数据库
├── 05_RAG基础
│ └── day09_RAG专题
├── 06_LangChain进阶
│ └── day10_自定义组件专题
├── 07_LangChain和RAG实战
│ └── day11_基于LangChain和RAG的常用案例实战
├── 08_LangGraph
│ └── day12_LangGraph
├── 09_Hugging Face
│ ├── day13_Hugging Face核心组件介绍
│ ├── day14_Hugging Face模型微调训练（基于BERT的中文评价情感分析）
│ ├── day15_Hugging Face模型微调训练（如何处理超长文本训练问题）
│ └── day16_Hugging Face模型微调训练（GPT2中文生成模型定制化微调训练）
├── 10_ModelScope
│ └── day17_ModelScope在线训练平台&服务器选配训练模型
├── 11_Llama3
│ ├── day18_Llama3大模型本地部署与调用
│ ├── day19_Llama3微调_使用LLaMA-Factory微调Llama3
│ ├── day20_Llama3打包部署（LoRA微调与模型合并）
│ ├── day21_Llama3打包部署（LLaMA-Factory模型评估与量化）
│ └── day22_Llama3打包部署（大模型转换为GGUF以及使用Ollama运行）
├── 12_多模态
│ └── day23_多模态大模型的概念与本地部署调用
├── 13_LlamaIndex
│ ├── day24_LlamaIndex核心组件介绍
│ └── day25_LlamaIndex实战（使用LlamaIndex构建自己的知识库）
├── 14_AutoGen Studio
│ └── day26_AutoGen Studio调用本地大模型实现多Agent应用
├── 15_项目实战（聚客第一和第二期）
│ ├── day27_基于本地大模型的在线心理问诊系统（训练篇）
│ ├── day28_基于本地大模型的在线心理问诊系统（训练篇）
│ ├── day29_基于本地大模型的在线心理问诊系统（部署篇）
│ ├── day30_基于RAG的线上智能客服系统（微调篇）
│ ├── day31_基于RAG的线上智能客服系统（部署篇）
│ ├── day32_基于PyTorch的语音识别与语音唤醒
│ ├── day33_RAG项目实战（使用LlamaIndex构建自己的知识库）
│ ├── day34_视觉项目实战（基于YOLO的骨龄识别项目_01）
│ └── day35_视觉项目实战（基于YOLO的骨龄识别项目_02）
├── 16_项目实战（聚客第三期）
│ ├── day04_Hugging Face核心组件介绍
│ ├── day05_基于BERT的中文评价情感分析
│ ├── day06_自定义vocab
│ ├── day07_如何处理超长文本训练问题
│ ├── day08_GPT2中文生成模型定制化微调训练
│ ├── day11_Llama3.2模型微调
│ ├── day12_LoRA模型合并与推理测试
│ ├── day13_LLaMA-Factory模型导出量化
│ ├── day14_LLaMA-Factory模型评估与QLoRA微调
│ ├── day15_Qwen模型打包部署（LoRA模型合并&转GGUF模型部署）
│ ├── day16_Qwen模型打包部署（HF转GGUF&ollama+open_webui部署）
│ ├── day17_Xtuner微调大模型
│ ├── day18_LMDeploy部署大模型
│ ├── day19_OpenCompass大模型评估
│ ├── day20_LlamaIndex核心组件
│ ├── day21_LlamaIndex入门实操
│ ├── day22_LlamaIndex实现RAG
│ ├── day25_DeepSeek与多卡训练
│ ├── day26_基于本地大模型的AI试题系统（方案篇）
│ ├── day27_基于本地大模型的在线心理问诊系统（训练篇）
│ ├── day28_基于本地大模型的在线心理问诊系统（训练篇）
│ ├── day29_基于RAG的法律条文智能助手（实现篇）
│ └── …
└── 其他项目与扩展
├── RAG项目实战（使用LlamaIndex构建自己的知识库）
├── 基于RAG的法律条文智能助手（方案篇）
├── 基于RAG的法律条文智能助手（实现篇）
├── 基于PyTorch的语音识别与语音唤醒
└── …
