极客时间-RAG与Agent性能调优50讲

这份资料的主题很明确：围绕 RAG 检索链路和 Agent 执行链路做性能调优。它不是一个从零讲大模型的通识课，而是把注意力放在"已经跑起来、但效果不够好"的那些环节上——召回率上不去、切片策略不合理、OCR 结果错漏、多阶段检索精度与覆盖率互相拉扯。50 讲拆得比较细，基本一个视频对应一个具体问题，适合当工程参考手册来用，而不是从头到尾刷一遍。

课程覆盖的技术栈与问题域

从目录能看出两条主线。第一条是文档处理与检索侧：版面区域检测、文本图像矫正、图像切分粒度控制、OCR 结果结合 LLM 做纠错、动态重叠切片、多阶段召回与混合检索架构设计。这些环节串起来就是一条完整的 RAG 数据准备与召回管线。第二条是 Agent 侧：工具调用、执行链路稳定性、多轮任务下的性能表现。两条线并非割裂，很多调优手段（比如重排、上下文压缩、召回结果筛选）在 Agent 的工具返回环节同样适用。

技术选型上，课程偏向工程落地常见的组合：向量检索 + 关键词检索的混合方案、LLM 参与纠错与重排、多阶段召回做粗排到精排的分层。这些都不是论文里的新概念，但在实际项目里怎么配置参数、怎么取舍，才是真正花时间的地方。

项目结构视角：每一讲对应一个可复用模块

把 50 讲按功能归类，大致能得到几个可独立复用的模块：文档解析与版面分析模块、切片策略模块、召回与重排模块、结果纠错模块、Agent 工具调度模块。每个模块解决的问题边界清晰，改动一个不会牵动全局。这种切分方式对二次开发很友好——你不需要照搬整套架构，可以只把切片策略或混合检索那部分抽出来，接到自己现有的管线里。

举个例子，动态重叠切片这一讲讨论的是固定切片在边界处丢信息的问题，通过重叠窗口和动态长度控制提升覆盖率。这类逻辑代码量不大，但参数（重叠比例、最大长度、分割优先级）需要结合具体语料调。对照视频里的实验设定去改自己的配置，比空想有效得多。

适合拿来对照实践，而不是空看

这类性能调优内容有个特点：看懂和做到之间差距很大。视频里讲"混合检索提升覆盖率与精度"，但你的语料是中文长文档还是英文短文本、是结构化表格还是扫描件，结论会完全不同。建议的用法是——先跑通自己现有的 RAG 或 Agent 流程，拿到一组基线指标（召回率、准确率、延迟、token 消耗），然后带着具体问题去看对应章节，改一处、测一次。

尤其推荐关注切片与召回这两块。实践中大量 RAG 效果差的问题，根源不在模型，而在切片粒度和召回策略。把这两个环节调对，往往比换更大的模型收益更明显。

自学路径建议

• 先看开篇介绍，建立整体调优地图，明确各讲之间的依赖关系。
• 文档处理阶段：版面检测 → 图像矫正 → 切片策略 → OCR 纠错，按数据流入顺序理解。
• 检索阶段：单路召回的问题 → 多阶段召回设计 → 混合检索架构 → 重排与筛选。
• Agent 阶段：工具调用链路 → 执行稳定性 → 多轮场景下的性能控制。
• 每看完一讲，回到自己的项目做一次对照实验，记录指标变化。

整体来看，这份资料的价值在于把 RAG 与 Agent 的调优拆成了可操作的 50 个具体问题，配合源码和实验设定，适合已有一定工程基础、正在优化线上效果的开发者。当作参考手册随查随用，比一次性看完更能发挥作用。