1.
基础概念
1.
Fine Tuning
2.
Prompt Engineering
3.
RAG
6.
模型评估
7.
Token
8.
Guardrails
9.
自监督学习
10.
Temperature, Top P, Top K
11.
多模态- Multimodal Model
2.
Bedrock
1.
InvokeModel与Converse
2.
Text Generation - I
3.
文本生成
4.
文本摘要(Text Summarization)
5.
Text Summarization II - 使用 Langchain 进行文本摘要
6.
Image Generation
7.
Chatbot
8.
Embeddings
9.
图片Embeddings
10.
Cross region inference
11.
Guardrail
12.
Prompt Router
13.
Prompt Caching
3.
RAG
1.
使用LangChain构建RAG应用
2.
使用Langchain构建RAG应用 - II
3.
Knowledge bases
4.
Knowledge bases - II
4.
Nova
1.
Nova Canvas - 从文本提示生成图像
2.
Nova Canvas - 基于图象的生成
3.
Nova Canvas - Mask prompt
4.
Nova Canvas - 背景移除
5.
Nova Canvas - 物体替换
6.
Nova Reel - 文本到视频
7.
Nova Reel - 图像到视频
8.
Nova - 多模态理解
9.
Nova - Converse API
10.
Nova - 与Langchain集成
5.
Amazon Q
1.
Q Developer安装
2.
Q Developer的使用
3.
Q Developer
6.
Cursor
1.
cursorrules文件
2.
Cursor Chat功能
3.
Cursor项目实践
4.
Cursor项目实践 - II
5.
Cursor项目实践 - III
6.
Cursor Composer
7.
DeepSeek
1.
部署Deepseek
2.
Python调用deepseek API
3.
代码自动生成
4.
SQL生成
5.
代码debug
6.
代码生成文档
7.
文本处理
8.
办公场景的使用
8.
MCP
1.
初探MCP server
2.
创建自己的MCP Server
3.
3
4.
4
5.
55
6.
6
7.
7
8.
8
清除历史
GenAI
>
Agentic
> Query-Correction-Agent
Query-Correction-Agent
以下是修改后的 SQL 查询语句:
SELECT COUNT(*) AS num_customers FROM customer;