© 2026FindAgent  · @simprr
返回列表
d

decodingai-magazine/second-brain-ai-assistant-course

Learn to build your Second Brain AI assistant with LLMs, agents, RAG, fine-tuning, LLMOps and AI systems techniques.

agentsai-systemsdata-engineeringfine-tuninghuggingfacellmllmopsmlopsopenaipythonrag
⭐

2.6k

Stars

🔱

466

Forks

👁

38

Watchers

📋

5

Issues

Jupyter NotebookMIT创建于 2024/12/30更新于 今天
在 GitHub 上查看访问主页
README
由 Gemini 翻译整理

使用 Agent、LLM 和 RAG 构建你的“第二大脑” AI 助手

学习如何访问你思维中的集体智慧。

这是一个由 Decoding ML 与 MongoDB、Comet、Opik、Unsloth 和 ZenML 合作推出的开源课程。

📖 关于本课程

本课程是 Decoding ML 开源系列的一部分,旨在教你如何使用 LLM、RAG、Agent 和 LLMOps 构建生产级的 GenAI(生成式 AI)系统。

“第二大脑(Second Brain)AI 助手”课程包含 6 个模块,将教你如何利用 LLMOps 和机器学习系统最佳实践,构建一个先进的 RAG 和 LLM 系统。你将学会构建一个端到端的 AI 助手,与你的“第二大脑”进行交互——即你个人的笔记、资源和知识库。

完成本课程后,你将能够从零开始架构并实现一套生产就绪的 Agentic RAG 和 LLM 系统。

什么是“第二大脑” AI 助手?

“第二大脑”是由 Tiago Forte 提出的概念,指的是你个人的笔记、想法和资源知识库。我们的 AI 助手利用这些知识来回答问题、总结文档并提供见解。

想象一下,你可以要求你的 AI 助手推荐 Agent 课程、列出顶级 PDF 解析工具,或总结 LLM 优化方法——所有这些都基于你的研究积累,无需手动翻阅笔记。

虽然本课程使用 Notion 作为示例,但代码同样适用于 Google Drive 或 Calendar 等其他数据源。我们将提供一份从 Notion 导出的精选 AI/ML 资源列表,涵盖 GenAI、LLM、RAG、MLOps 等内容。无需 Notion 账户——但如果你想使用自己的,我们灵活的流水线支持任何 Notion 数据库。

你将完成的任务:

  • 构建一个由你的“第二大脑”驱动的 Agentic RAG 系统
  • 设计生产级的 LLM 架构
  • 应用 LLMOps 和软件工程最佳实践
  • 微调并部署 LLM
  • 使用行业工具:OpenAI、Hugging Face、MongoDB、ZenML、Opik、Comet、Unsloth 等

完成本课程后,你将拥有自己的“第二大脑” AI 助手,效果如下视频所示:

🎯 你将学到什么

在构建“第二大脑” AI 助手的过程中,你将掌握:

  • LLM 系统架构 (FTI) 和 MLOps 最佳实践
  • 使用 ZenML 进行流水线编排和跟踪
  • 使用 Opik 进行 LLMOps 和 RAG 评估
  • 大规模网络爬取和内容规范化
  • 使用 LLM 和启发式方法进行质量评分
  • 通过蒸馏生成数据集
  • 使用 Unsloth 和 Comet 进行 Llama 模型微调
  • 将模型无服务器(Serverless)部署到 Hugging Face
  • 具有上下文或父文档检索功能的进阶 RAG 以及向量搜索
  • 使用 smolagents 构建 Agent
  • 现代 Python 工具链 (uv, ruff)

🥷 掌握这些技能后,你将成为构建先进 Agentic RAG 和 LLM 系统的专家,并能熟练应用 LLMOps 和机器学习系统最佳实践。

👥 适合人群

对学习如何设计和构建 LLM/RAG 应用及系统感兴趣的人。

本课程专为“从实践中学习”的学员打造。 完成课程后,你将拥有自己的代码模板,并获得开发个人 GenAI 应用的灵感。

目标受众为什么加入?
ML/AI 工程师构建生产级的 Agentic RAG 和 LLM 系统(超越 Notebook 教程)。
数据/软件工程师架构端到端的 Agentic RAG 和 LLM 应用程序。
数据科学家使用 LLMOps 和软件工程最佳实践实现生产级 AI 系统。

🎓 前置要求

类别要求
技能- Python (中级) - 机器学习、LLM、RAG (初级)
硬件现代笔记本电脑/PC (GPU 可选 - 提供云端替代方案)
水平中级(但只要有耐心和毅力,任何人都能做到)

💰 成本结构

本课程完全开源且免费!如果你运行代码,仅需花费 $1-$5 用于工具:

服务最高成本
OpenAI API~$3
Hugging Face 专用端点 (可选)~$2

最棒的是?我们提供了多种路径——选择高性价比的方案,你只需约 $1 即可完成整个课程。仅阅读学习?一切免费!

🥂 开源课程:自由参与

作为一门开源课程,无需注册。所有内容均为自学进度,完全免费,资源获取地址如下:

  • 代码:本 GitHub 仓库
  • 课程内容:Decoding ML
贡献者
ieCr9eNy
项目信息
默认分支main
LicenseMIT License
创建时间2024/12/30
最近更新今天
GAI 中文摘要

这是一个关于构建“第二大脑”AI助手的开源实战课程,旨在指导开发者利用大语言模型、代理(Agent)和检索增强生成(RAG)技术,打造能够存储并调用个人知识库的智能系统。该项目通过六大核心模块,将前沿的AI系统设计与生产级机器学习运维(LLMOps)的最佳实践相结合,实现从零到一的系统构建。

通过该课程,你将学习如何从个人笔记数据库中提取信息并构建高级的代理型RAG检索系统。你将掌握生产级LLM架构的设计方法,并熟练运用OpenAI、Hugging Face及MongoDB等行业主流工具链。项目涵盖模型微调与部署技术,帮助你实现对AI系统的全生命周期管理。你还将学习如何应用MLOps工程规范,确保AI应用在真实场景下的稳定运行与高效迭代。

本课程适合希望深入学习生产级GenAI开发的技术人员、数据工程师及AI爱好者,通过构建基于个人知识库的定制化AI助手,解决高效整理、搜索和利用个人知识资产的问题。