大语言模型 计算机视觉 语音与音频 AI Agent

大语言模型

llm_finetune.py LLM

> LLM 微调实验

基于 Llama 2 的领域微调实践,探索 LoRA、QLoRA 等参数高效微调方法。

LoRA PyTorch PEFT
rag_system.py LLM

> RAG 知识库学习笔记

检索增强生成学习笔记,结合向量数据库与大模型实现精准知识问答。

RAG LangChain 向量数据库
prompt_engineering.py LLM

> Prompt 工程实践

系统化 Prompt 设计方法论,涵盖思维链、自洽性、多步推理等技巧。

Prompt CoT Few-shot

计算机视觉

image_gen.py CV

> AI 图像生成

基于 Stable Diffusion 的图像生成探索,ControlNet 精准控制与风格迁移。

Stable Diffusion ControlNet LoRA
yolo_deploy.py CV

> 目标检测优化

YOLO 系列模型部署优化,TensorRT 加速推理与边缘设备适配。

YOLO TensorRT 边缘部署
multimodal.py CV

> 多模态理解

视觉语言模型探索,图文理解与跨模态检索,基于 LLaVA / Qwen-VL。

VLM LLaVA 多模态

语音与音频

asr_transcribe.py Audio

> 语音识别与转录

基于 Whisper 的多语言语音识别,实时转录与说话人分离。

Whisper ASR 实时转录
voice_clone.py Audio

> AI 语音合成

基于 VITS / ChatTTS 的语音克隆与合成,零样本声音复刻。

TTS Voice Clone VITS

智能体

code_agent.py Agent

> 自编程 Agent

基于 Function Calling 的代码生成 Agent,自动编写与调试代码。

Function Calling 代码生成 Auto Debug
multi_agent.py Agent

> 多智能体协作

多 Agent 协作框架探索,角色分工与任务编排,基于 AutoGen / CrewAI。

Multi-Agent AutoGen CrewAI
kg_agent.py Agent

> 知识图谱 Agent

结合知识图谱的推理 Agent,结构化知识驱动的智能问答。

知识图谱 推理 Neo4j