教程中心

自查询RAG：2026年完整实现 概述 自查询RAG是一种专注于AI生成元数据过滤器以实现精确检索的专门检索模式。本指南将展示如何使用Qdrant构建生产级系统。

Graph RAG：2026完整实现 概述 Graph RAG是一种专注于知识图谱遍历以实现多跳推理的专用检索模式。本指南将展示如何使用Neo4j构建生产级系统。为什么选择Graph RAG

父文档RAG：2026年完整实现 概述 父文档RAG是一种专门的检索模式，专注于检索小片段并附带大父上下文。本指南展示如何使用Chroma构建生产级系统。

在ONNX Runtime CrossPlatform上部署任意ONNX模型 概述 直接在ONNX Runtime CrossPlatform上运行任意ONNX模型，实现跨平台部署。本地推理提供隐私、零延迟和无持续API成本。**规格**：ONNX Runtime · 可变

掌握 PyTorch Lightning 在生产级深度学习中的应用，包括多 GPU 训练、混合精度、梯度累积、回调函数以及与实验追踪工具的集成。

使用 YOLO v11 构建生产级计算机视觉系统，涵盖自定义训练、TensorRT 模型优化、边缘部署以及实时视频流处理。

进阶时间序列预测：经典(ARIMA/Prophet)到深度(N-BEATS/N-HiTS/TFT)到时序基础模型(TimeGPT/Chronos/Moirai)，方法选型、指标与回测。

使用统计方法、孤立森林、LSTM自编码器和现代时间序列基础模型，为基础设施和物联网监控构建生产级时间序列异常检测系统。

LLM 应用架构模式：RAG、Agent/工具调用、模型路由、缓存、评估(evals)、护栏(guardrails)与可观测性等真实模式与取舍。

机器人基础模型与 VLA(视觉-语言-动作)：核心概念、代表性公开研究(RT-2、Open X-Embodiment、π0 等)、数据与泛化挑战。

模型合并把多个微调模型融合成一个，无需重训。基于 mergekit：linear/SLERP/TIES/DARE/task-arithmetic 等方法原理、真实 YAML 配置与适用场景。

在 vLLM Production Serving 上部署 Llama 3.1 70B 概述 在 vLLM Production Serving 上直接运行 Llama 3.1 70B，实现高吞吐量服务。本地推理提供隐私、零延迟和无持续 API 成本。 规格：NVIDIA A100 · 80GB VRAM

Hugging Face SFT Trainer 概述 使用 Hugging Face TRL SFTTrainer 进行监督微调。本教程提供了一个完整、可运行的实现。 前提条件 ```bash 安装所需包 pip install transformers datasets peft trl acce

在 LM Studio Desktop 上部署 GGUF 模型概述 直接在 LM Studio Desktop 上运行 GGUF 模型，实现无代码本地 AI 图形界面。本地推理提供隐私、零延迟和无持续 API 成本。**规格**：CPU/GPU · 8GB+ 安装 ```bash 安装

ML 元数据管理概述——使用 MLMD 跟踪 ML 工件、血缘和来源。本指南涵盖生产级 ML 系统的实际实现。