第一部分：核心基础原理

• Transformer 架构 (Transformer)
• 模型微调 (Fine-Tuning)
• 参数高效微调 (PEFT - Parameter-Efficient Fine-Tuning)
• Lora / QLora
• 全量微调 (Full Fine-Tuning)

大语言模型架构与适配技术基础指南

第二部分：LLM 应用开发核心技术

• 提示工程 (Prompt Engineering)
• 链式思考 (CoT - Chain-of-Thought)
• 思维树 (ToT - Tree of Thoughts)
• 思维图 (GoT - Graph of Thoughts)
• 检索增强生成 (RAG - Retrieval-Augmented Generation)
• 知识库构建 (Knowledge Base Construction)
• Embedding 模型 (Embedding Models)
• 高级 RAG (Advanced RAG)
• RAG 评估 (RAG Evaluation)
• 智能体 (Agents)
• 工具调用 (Tool Calling / Function Calling)

智能的架构：现代大语言模型应用开发核心技术综合分析报告 一文读懂：思维链 CoT（Chain of Thought）

第三部分：主流开发框架与库

• LangChain
• LangChain 表达式语言 (LCEL - LangChain Expression Language)
• LlamaIndex
• LangGraph
• DSPy
• Haystack
• Unstructured.io
• Spring AI
• MCP

大语言模型应用栈架构师指南：框架、平台与商业化策略

第四部分：低代码/无代码平台

• Langflow
• Flowise
• Dify
• Manus
• Coze Bot (扣子)

大语言模型应用栈架构师指南：框架、平台与商业化策略

第五部分：模型选型与生产部署

• 模型选型 (Model Selection)
• 开源模型 (Open Source Models)
• 闭源 API (Closed Source APIs)
• 模型服务与推理优化 (Model Serving & Inference Optimization)
• 推理加速框架 (Inference Acceleration Frameworks)
• 大模型运维 (LLMOps)