【Coze官方教程】翻遍整个B站，这绝对是2025讲的最好的Coze零基础视频教程，从零基础打造AI智能体，存下吧，比啃书好太多了！少走99%的弯路！
官方教程来了！！手把手带你搭建 AI Bot
7节课，带你用最浅显易懂的方式一起解锁未来～
附AI大模型基础教程
视频选集
（1/156）
自动连播
玩转扣子：带你手把手搭建 AI Bot ｜第一节
11:07
玩转扣子：快速上手扣子Prompt ｜第二节
21:04
扣子官方教程｜技能-插件（上）｜第三节
16:52
扣子官方教程｜技能-插件（下）｜第三节
14:06
扣子官方教程｜技能-工作流（上）｜第四节
27:50
扣子官方教程｜技能-工作流（中）｜第四节
20:55
扣子官方教程｜技能-工作流（下）｜第四节
27:10
【基础篇】1.人工智能介绍：迭代路径，大模型进化树，技术分类
13:16
【基础篇】2.柏拉图表征假说与scaling law：KM缩放定律
14:30
【基础篇】3.AI开发环境（python、conda、vscode
13:09
【基础篇】4.大模型微调llama-factory环境准备
20:06
【基础篇】5.微调数据集准备（SFT,继续预训练，偏好优化）
25:26
【基础篇】6.微调过程lora微调与Qlora微调
29:50
【基础篇】7.模型评估（批量推理与自动评估benchmark）
21:45
【基础篇】8.模型部署（模型合并导出与量化，本地部署）
22:06
【进阶篇】1.RAG技术原理与RAGFlow项目实操
19:58
【进阶篇】2.Naive RAG与langchain实践
13:01
【进阶篇】3.高级RAG（一）层次索引，句子窗口，子查询，HyDE
17:26
【进阶篇】4.高级RAG（二）提示词压缩，融合，llamainde
14:43
【进阶篇】5.模块化RAG（一）顺序模式，条件模式，分支模式
11:54
【进阶篇】6.模块化RAG（二）迭代，递归检索，FLARE，Toc
18:14
【进阶篇】7.Embedding原理：word2vec、CBOW
16:32
【进阶篇】8.Embedding模型训练：llamaindex微调
22:19
【进阶篇】9.Embedding模型评估：MRR评测，MTEB评测
20:58
【进阶篇】10.Rerank技术原理与实践（一）交叉编码与双编码
15:24
【进阶篇】11.Rerank模型微调与实践（二）rankGPT
15:40
【进阶篇】12.向量数据库简介与相似性测量：欧式距离，余弦相似度
15:39
【进阶篇】13.相似性搜索算法：k-means，肘部法则
18:45
【进阶篇】14.x近似邻近算法与过滤向量：PQ量化，HNSW，LSH
27:14
【进阶篇】15.向量数据库选型：专用向量数据库，传统数据库支持向量
09:43
【进阶篇】16.向量数据库代码示例：chroma与qdrant代码
07:35
【进阶篇】17.RAG评估：评估指标，RAGAs，TruLens
22:20
【进阶篇】18.RAG行业落地：实践心得，落地经验，业务场景
16:10
【进阶篇】1.Agent原理简介：planning、memory
13:49
【进阶篇】2.提示词工程：软提示词，fewshot，COT,TOT
20:34
【进阶篇】3.Agent平台：国内外主流平台，Coze搭建智能客服
16:05
【进阶篇】4.Agent工具使用与function call：MR
18:24
【进阶篇】5.Agent设计模式（一）：Fewshot，ReAct
20:01
【进阶篇】6.Agent设计模式（二）：REWOO，LLMComp
22:49
【进阶篇】7.Agent设计模式（三）：Reflexion，LAT
23:08
【进阶篇】8.Agent框架：Single Agent，Multi
20:13
【进阶篇】9.Langchain项目原理与实战
24:30
【进阶篇】10.Langgraph项目原理与实战
13:40
【进阶篇】11.Langgraph 多Agent架构：协作多Age
16:41
【进阶篇】12.AutoGen项目原理与实战（一）：AutoGen
19:22
【进阶篇】13.AutoGen项目原理与实战（二）：代码执行，工具
18:35
【进阶篇】14.CrewAI项目原理与实战：Crew,Task,A
18:19
【进阶篇】1.知识图谱：RDF,RDFS,OWL，知识图谱架构,实
23:36
【进阶篇】2.GraphRAG（一）：原理，部署使用，GraphR
23:06
【进阶篇】3.GraphRAG（二）：索引原理，Leiden算法，
27:18
【进阶篇】4.GraphRAG（三）：全局查询，局部查询，drif
13:38
【进阶篇】5.LightRAG（一）：原理，实体与关系提取，双层检
21:47
【进阶篇】6.LightRAG（二）：示例代码，参数解读，grap
14:45
【进阶篇】7.LightRAG（三）：Neo4j使用，API Se
17:52
【进阶篇】1.LangChain-虚拟环境(上)
10:06
【进阶篇】2.LangChain-虚拟环境(下)
05:51
【进阶篇】3.LangChain-LangChain的基本介绍
09:21
【进阶篇】4.LangChain-基本和提示词模板
09:40
【进阶篇】5.LangChain-输出结果解析器
10:52
【进阶篇】6.LangChain-RAG+LangChain实现
10:51
【进阶篇】7.LangChain-Model-介绍
04:30
【进阶篇】8.LangChain-Model-提示词模板-基本使用
10:57
【进阶篇】9.LangChain-Model-提示词模版-ChatPromptTemplate(上)
07:18
【进阶篇】10.LangChain-Model-提示词模版-ChatPromptTemplate(下)
06:05
【进阶篇】11.LangChain-Model-提示词模版-少样本案例模版
08:58
【进阶篇】12.LangChain-Model-语言模型-介绍
06:47
【进阶篇】13.LangChain-Model-语言模型-智普大模型接入
04:17
【进阶篇】14.LangChain-Model-语言模型-MoonShot和通义千问集成
08:21
【进阶篇】15.LangChain-Model-聊天模型
05:00
【进阶篇】16.LangChain-Model-输出解析器
05:01
【进阶篇】17.LangChain-Model-文本嵌入模型
06:38
【进阶篇】18.LangChain-Chain链-基本应用
09:26
【进阶篇】19.LangChain-Chain链-案例介绍
05:35
【进阶篇】20.LangChain-chain链-链的调用
06:46
【进阶篇】21.LangChain-chain链-官方工具链介绍(上)
15:09
【进阶篇】22.LangChain-chain链-官方工具链介绍(下)
09:47
【进阶篇】23.LangChain-RAG-文档加载和文档切割
09:42
【进阶篇】24.LangChain-RAG-文本向量化和向量存储
06:42
【进阶篇】25.LangChain-RAG-检索器和完整RAG案例
10:16
【进阶篇】26.LangChain-Agent-基础应用(上)
12:35
【进阶篇】27.LangChain-Agent-基础应用(下)
11:58
【进阶篇】28.LangChain-Agent-添加记忆
06:08
【实战篇】29.LangChain-Agent-小案例1
07:14
【实战篇】30.LangChain-Agent-小案例2
07:57
【实战篇】31.LangChain-Agent-ReActAgent
11:03
【实战篇】32.LangChain-Agent-SelfAskAgent
04:23
【实战】33.LangChain-Tools实战篇
10:07
【进阶篇】34.LangChain-Memory(上)实战篇
09:20
【实战篇】35.LangChain-Memory(下)
10:04
【进阶篇】1.提示词工程介绍
05:23
【进阶篇】2.常用技巧讲解
09:54
【进阶篇】3.Prompt调优
09:39
【进阶篇】4.提示词工程进阶(上)
13:20
【进阶篇】5.提示词工程进阶(中)
10:49
【进阶篇】6.提示词工程进阶(下)
06:11
【进阶篇】7.提示词的应用
06:46
【进阶篇】8.防止Prompt攻击
07:42
【实战篇】9.智能学员辅导系统-StreamLit界面绘制
12:37
【实战篇】10.智能学员辅导系统-完成和大模型的交互
10:59
【实战篇】11.智能学员辅导系统-docx文档的处理
07:47
【实战篇】12.智能学员辅导系统-docx文件转换为pdf文件
14:46
【实战篇】13.自然语言转SQL
12:55
【实战篇】14.自然语言转SQL升级版
09:15
【进阶篇】1.内容介绍
15:06
【进阶篇】2.LangGraph
15:46
【进阶篇】3.LangGraph核心组件：Graph(图)
15:05
【进阶篇】4.LangGraph核心组件：Stade(状态)
16:32
【进阶篇】5.LangGraph核心组件：Nodes(节点)
17:42
【进阶篇】6.LangGraph核心组件：Edges(边)
20:38
【进阶篇】7.LangGraph核心组件：Send(发送)
11:51
【进阶篇】8.LangGraph核心组件：checkpointer(检查点)
16:32
【进阶篇】9.LangGraph实现可控化、持久化：Controllability(可控性)
14:56
【进阶篇】10.LangGraph实现可控化、持久化：Persistence(持久化)
14:38
【进阶篇】11.LangGraph实现可控化、持久化：Human-in-the-loop(人机交互)
11:43
【进阶篇】12.LangGraph实现可控化、持久化：streaming(流式)
14:47
【进阶篇】13.LangGraph实现可控化、持久化：React agent
13:10
【实战篇】14.Agent使用案例：Chatbots
16:41
【实战篇】15.Agent使用案例：Multi-Agent Systems
17:16
【实战篇】16.Agent使用案例：Planning Agent
16:05
【进阶篇】1.从最近火爆的Manus看工作流的发展方向
28:25
【进阶篇】2.热门的工作流解决方案Dify和Coze怎么抉择
20:41
【进阶篇】3. Dify快速部署
18:45
【进阶篇】4.Ollama实现DeepSeek的本地部署
15:43
【进阶篇】5.通过Dify来实现的各种解决方案
14:44
【进阶篇】6.RAG工作原理和技术架构拆解
13:46
【进阶篇】1.Hugging Face模型探索与下载
22:03
【进阶篇】2.使用Hugging Face AP调用模型
24:50
【进阶篇】3.Hugging Face核心组件Transformers
21:29
【进阶篇】4.Hugging Face核心组件datasets
26:02
【进阶篇】5.Hugging Face核心组件Tokenizer
22:51
【进阶篇】6.使用Tokenizer实现字符编码
19:11
【进阶篇】7.情感分析概念及应用场景
05:32
【进阶篇】8.情感分析任务模型选择
05:50
【进阶篇】9.深度剖析BERT模型结构
06:17
【进阶篇】10.拆解BERT预训练两大核心任务
05:27
【进阶篇】11. BERT应用场景和特征提取
05:25
【进阶篇】12.基于BERT的微调任务解析
05:01
【进阶篇】13.模型微调的基本概念与流程
05:44
【进阶篇】14.使用Hugging Face工具下载模型
05:37
【进阶篇】15.使用Py Torch处理特定任务的数据集
06:33
【进阶篇】16.基于BERT的下游任务模型设计
05:08
【进阶篇】17.使用GPU和CUDA加速模型训练
05:08
【进阶篇】18.使用测试数据集进行模型评估测试
05:02
【进阶篇】19.调用微调后的模型进行中文情感分析
04:12
【进阶篇】20.程序员大模型学习最佳实践
04:22
【进阶篇】21.大模型前景和岗位薪资揭秘
05:00
【进阶篇】1.Callback处理
12:34
【进阶篇】2.回调概念
10:31
【进阶篇】3.回调事件
14:25
【进阶篇】4.回调处理程序
11:26
【进阶篇】5.传递回调函数
11:48
【进阶篇】6.在运行时传递回调函数
11:52
【进阶篇】7.自定义callback handlers自定义Chat model
11:30
【进阶篇】8.自定义RAG; Retriever,document loader
13:20
1【进阶篇】9.如何创建自定义Retriever(检索器)
13:07
【进阶篇】10.如何创建自定义Document loader
13:06