来源: 从零到一：LLM大模型RAG、LangChain、Transformer 等全栈开发
路径: references/video-notes/ (VPS)
文件: 22 个 .txt, 总计 ~16,500 词
| 文件 | 提炼位置 |
|------|---------|
| 如何在现实世界中构建 RAG 系统.txt | 14_RAG_Building_Blocks |
| How to Build RAG Systems (in the real world).txt | 14_RAG_Building_Blocks |
| 用 LangChain 1.x Runnable 构建真实 AI 数据分析 Pipeline.txt | 15_LangChain_Runnable |
| 文件 | 对应模块 | 核心内容 |
|------|---------|---------|
| 超简单易懂的Huggingface deepseek colab使用（一） | Course-A W1 | HuggingFace 入门 + DeepSeek 调用 |
| 超简单易懂的Huggingface 数据集 colab使用（二） | Course-A W1 | datasets 库加载/处理/保存 |
| 超简单 Huggingface 第一次微调模型 trainer（三） | Course-A W3 | Trainer API 微调 |
| 超简单 Huggingface 第一次微调模型 Pytorch（四） | Course-A W3 | 原生 PyTorch 微调 |
| 超级简单Diffusers Stable Diffision 文生图（五） | Course-C 拓展 | Diffusers 管道 |
| 文件 | 对应模块 | 核心内容 |
|------|---------|---------|
| 5分钟理解和编写MCP服务器 | Course-C W7 | MCP 协议基础 + 快速实现 |
| MCP sse和stdio 区别 + Python例子 | Course-C W7 | 传输协议选择 |
| 使用Gradio快速建立MCP服务器 | Course-C W7 | Gradio + MCP 集成 |
| AI 大模型客户端访问MCP服务器工具实现期货数据访问 | Course-C W7 | 真实 MCP 应用 |
| 文件 | 对应模块 | 核心内容 |
|------|---------|---------|
| LangChain Agent 进化论 | Course-C W7 | ReAct → Tool Calling 演进 |
| 深入浅出SmolAgent智能体的概念和构建例子 | Course-C W7 | 轻量 Agent 框架 |
| 全球最小的视觉语言模型SmolVLM体验 | Course-C 拓展 | VLM 本地部署 |
| 最小的视频理解大模型SmolVLM2-video | Course-C 拓展 | 视频理解 |
| 文件 | 对应模块 | 核心内容 |
|------|---------|---------|
| 超简单 使用本地编程大模型Qwen2.5-coder | Course-B W1 | 与你本地 Qwen3.5-9B 直接相关 |
| 在colab运行deepseek的最简单教程 | Course-A W1 | Colab 免费 GPU |
| 别再用向量库了！DuckDB + LLM | Course-C W5 | 替代 Pinecone/Chroma |
| AI 数据助理！Pydantic + 大模型 | Course-C W3 | 结构化输出实战 |
| 最易理解的RAG 检索增强生成系统的讲解 | Course-C W4 | RAG 最小概念 |
> 服务器路径: ~/starTalent/references/video-notes/
> 建议: 先看提炼后的 notebook (14/15)，再回到原始文件查找细节