大模型应用开发教程¶

LLM应用/
├── README.md                              # 教程导航（本文件）
├── 00-学习指南.md                          # 学习路线建议
│
│   ── 第一阶段: Prompt与推理 ──
├── 01-大模型应用概述.md                     # LLM生态、API调用、应用类型
├── 02-Prompt工程.md                        # 提示词设计、系统提示、模板
├── 03-上下文学习.md                         # ICL、Few-shot、动态示例选择
├── 04-思维链与推理.md                       # CoT、ToT、Self-Consistency
├── 22-结构化输出与函数调用.md      # JSON输出、工具调用、格式控制
│
│   ── 第二阶段: RAG与检索增强 ──
├── 05-RAG系统构建.md                        # RAG架构、文档处理、检索生成
├── 06-向量数据库.md                         # Embedding、Chroma/Pinecone/Weaviate
├── 18-高级RAG技术.md                        # 混合检索、重排序、查询改写、GraphRAG
│
│   ── 第三阶段: 框架与Agent ──
├── 07-Agent开发基础.md                      # ReAct范式、工具调用、Agent循环
├── 08-LangChain框架.md                     # Chain/Agent/Memory/Retriever
├── 16-LlamaIndex框架.md                    # 数据连接器、索引、查询引擎
├── 17-多Agent框架.md                        # LangGraph/CrewAI/AutoGen对比
├── 19-Agent评估与可观测性.md                 # LangSmith/Phoenix/评测方法
│
│   ── 第四阶段: 微调与定制 ──
├── 09-大模型微调技术.md                      # Full FT/PEFT/数据准备
├── 10-LoRA与QLoRA.md                       # LoRA原理/QLoRA/训练实战
│
│   ── 第五阶段: 部署与生产 ──
├── 11-大模型部署.md                         # Ollama/vLLM/TGI部署方案
├── 12-推理优化.md                           # 量化/KV Cache/投机解码/Flash Attention
├── 20-大模型应用架构设计.md                   # 系统架构、容错、扩展性设计
│
│   ── 专题与前沿 ──
├── 13-多模态应用.md                         # Vision/Audio/Video多模态LLM
├── 14-大模型安全与对齐.md                    # 越狱防护、RLHF、Red Teaming
├── 15-大模型应用案例.md                      # 翻译/摘要/客服/教育等案例
├── 21-前沿模型横评-2024到2026.md            # GPT-4o/Claude/Gemini/DeepSeek对比
├── 23-Gradio构建AI应用.md                    # Gradio快速构建交互式AI应用界面
├── 24-多模态RAG与向量数据库进阶.md            # 多模态Embedding/Milvus/Text2SQL
│
│   ── 实战与面试 ──
├── 实战项目/                                # 端到端项目源码
├── 测试用例/                                # 单元测试与集成测试示例
├── 面试准备/                                # LLM应用面试题库
└── images/                                 # 插图资源

第1-2周: Prompt与推理基础 (约30小时)
  ├── 大模型应用概述与API调用
  ├── Prompt工程方法论
  ├── 上下文学习与Few-shot
  ├── 思维链与推理增强
  └── 结构化输出与Function Calling
          │
          ▼
第3-4周: RAG系统开发 (约22小时)
  ├── RAG基础架构与实现
  ├── 向量数据库选型与使用
  ├── 高级RAG技术
  └── 🔗 实战: 构建知识库问答系统
          │
          ▼
第5-7周: 框架与Agent (约34小时)
  ├── LangChain框架全栈
  ├── LlamaIndex数据框架
  ├── Agent开发基础
  ├── 多Agent框架对比
  ├── Agent评估与可观测性
  └── 🔗 实战: 构建研究助手Agent
          │
          ▼
第8-9周: 微调与部署 (约20小时)
  ├── 大模型微调方法论
  ├── LoRA/QLoRA训练实战
  ├── 模型部署方案
  ├── 推理优化技术
  ├── 应用架构设计
  └── 🔗 实战: 微调+部署垂直领域模型
          │
          ▼
第10-12周: 专题与面试 (约4小时 + 实战)
  ├── 多模态/安全/对齐
  ├── 前沿模型横评
  ├── 面试题库突击
  └── 项目整理与简历优化