00.Manus零基础教程 04:03 01.大模型的演变与概念 22:18 02.大模型的使用与训练 05:38 03.大模型的特点与分类 10:00 04.大模型的工作流程 11:09 05.大模型的应用 04:42 06.AI Agent 导论篇 03:28 07.Agent概念、组成与决策 09:08 08.Agent决策应用场景分析 07:58 09.Agent规划子任务拆解COT与TOT 13:21 10.思维树24点拓展与react框架 16:42 11.Agent记忆(memory) 11:20 12.Agent工具使用介绍 03:26 14.Agent认知框架之Plan-and-Execute 11:55 15.self-Ask 10:16 16.Thinking and Self-Refection 07:58 17.ReAct框架案例实现 09:57 18.ReAct RAG Agent 11:20 19.Agent+RAG个性化定制数字人项目效果预览1 15:25 20.Agent+RAG个性化定制数字人项目效果预览2 09:25 21.llamaindex 07:37 22.LlamaIndex正确的学习思路 07:19 23.RAG Work Flow 09:22 24.loader data 09:18 25.大模型实战合集 02:07 26.文本项目之理解提示工程中工程化与提示简介 09:10 27.文本项目之工程问题解决框架基础 10:28 28.文本项目之工程问题解决框架进阶与paper技术脚本程序复现 15:39 29.RAG 08:20 30.大纲回顾与RAG概念 11:52 31.RAG pipeline管道流程图 12:44 32.向量检索emdedings 16:27 33.项目的准备工作 05:29 34.文本分类的任务介绍 01:44 35.prompt的设计 02:11 37.print包的介绍 06:06 38.console包介绍 02:38 39.automodel,autotokenizer的使用 12:08 40.导包项目必要的包 03:19 41.构建init_prompts函数 09:09 42.构造main函数 08:08 43.模型训练 14:05 44.分析模型预测出来的结果 45.LLM信息抽取项目的任务目标 本项目旨在开发一个用于文本分析的机器学习模型，通过正则表达式和JSON字符串处理技术，从大量的文本数据中提取关键信息。具体目标包括：
- 设计有效的prompt以引导模型学习；
- 准备并导入所需的工具包和前置工作；
- 实现prompt数据的整理和模型训练前的准备工作；
- 使用代码实现prompt提示词，并开始模型训练；
- 分析模型训练结果，并进行必要的数据清洗；
- 介绍LLM信息匹配任务，确保项目目标与任务要求一致；
- 设计prompt的设计思路，并构建init_prompts函数；
- 准备模型训练，包括python中的解包等操作；
- 分析模型预测结果，并对模型进行评估和优化。