正版资源AI大模型应用开发模型训练-RAG-Agent-AI项目实战【VIP】
课程解决的核心问题 当前大模型应用在知识密集型场景下面临两大痛点：私有数据无法有效注入导致回答缺乏针对性，以及生成内容容易产生幻觉影响可信度。本课程围绕检索增强生成技术栈展开，帮助开发者掌握从向量数据库选型、Embedding模型调优到复杂检索策略设计的全链路能力，最终构建出可落地、可评估的企业级知
课程解决的核心问题
当前大模型应用在知识密集型场景下面临两大痛点：私有数据无法有效注入导致回答缺乏针对性，以及生成内容容易产生幻觉影响可信度。本课程围绕检索增强生成技术栈展开，帮助开发者掌握从向量数据库选型、Embedding模型调优到复杂检索策略设计的全链路能力，最终构建出可落地、可评估的企业级知识问答系统。核心解决的是如何让模型在特定领域内提供准确、有据可查的回答。
门槛与学习顺序
适合具备Python基础和RESTful API使用经验的开发者，不需要深入理解深度学习理论即可上手。建议学习路径为：先完成NaiveRAG与LangChain实践建立整体认知框架，接着进入高级RAG章节掌握层次索引、句子窗口、子查询和HyDE等优化手段，然后学习Embedding模型训练与评估方法，最后选修Rerank技术和模块化RAG设计模式。这一顺序确保基础概念扎实后再接触进阶内容，避免中途因原理不清而卡顿。前置要求包括了解向量基本概念和熟悉基本的SQL查询即可。
学完产出与资料用法
学完后可独立搭建包含向量存储、重排序和多种检索策略的完整RAG管道，能够使用RAGAs和TruLens进行效果评估并输出量化报告。资料包中的代码示例建议对照视频逐行运行，重点关注Chroma与Qdrant的集成方式、HNSW参数配置以及模块式检索中分支模式的实现细节。建议在每个章节完成后修改参数或替换数据源进行二次开发，通过实际调优体会不同算法在召回率和准确率上的差异，从而形成可复用的工程经验。配套资料的设计意图是让人边做边学，而不是被动观看。
课程目录
课程目录42 集
- 10_第二课：NaiveRAG与langchain实践 .mp4 98.44M
- 11_第三课：高级RAG（一）层次索引，句子窗口，子查询，HyDE .mp4 121.10M
- 11_第三课：高级RAG（一）层 rk0664-AI大模型应用开发​模型训练-RAG-Agent-AI项目实战【VIP】
- 12_第四课：高级RAG（二）提示词压缩，融合，llamainde .mp4 98.22M
- 13_第五课：模块化RAG（一）顺序模式，条件模式，分支模式 .mp4 87.13M
- 14_第六课：模块化RAG（二）迭代，递归检索，FLARE，Toc .mp4 134.03M
- 15_第七课：Embedding原理：word2vec、CBOW .mp4 111.35M
- 16_第八课：Embedding模型训练：llamaindex微调 .mp4 147.62M
- 17_第九课：Embedding模型评估：MRR评测，MTEB评测 .mp4 154.36M
- 18_第十课：Rerank技术原理与实践（一）交叉编码与双编码 .mp4 97.70M
- 19_第十一课：Rerank模型微调与实践（二）rankGPT .mp4 108.41M
- 20_第十二课：向量数据库简介与相似性测量：欧式距离，余弦相似度 .mp4 98.42M
- 21_第十三课：相似性搜索算法：k-means，肘部法则 .mp4 123.35M
- 22_第十四课：近似邻近算法与过滤向量：PQ量化，HNSW，LSH .mp4 175.46M
- 23_第十五课：向量数据库选型：专用向量数据库，传统数据库支持向量 .mp4 73.62M
- 24_第十六课：向量数据库代码示例：chroma与qdrant代码 .mp4 54.50M
- 25_第十七课：RAG评估：评估指标，RAGAs，TruLens .mp4 153.20M
- 26_第十八课：RAG行业落地：实践心得，落地经验，业务场景 .mp4 110.48M
- 27_第一课：Agent原理简介：planning、memory、 .mp4 87.51M
- 28_第二课：提示词工程：软提示词，fewshot，COT TOT .mp4 128.03M
- 29_第三课：Agent平台：国内外主流平台，Coze搭建智能客服 .mp4 108.74M
- 30_第四课：Agent工具使用与functioncall：MR .mp4 121.77M
- 31_第五课：Agent设计模式（一）：Fewshot，ReAct .mp4 134.85M
- 32_第六课：Agent设计模式（二）：REWOO，LLMComp .mp4 142.04M
- 33_第七课：Agent设计模式（三）：Reflexion，LAT .mp4 164.18M
- 34_第八课：Agent框架：SingleAgent，Multi .mp4 123.89M
- 35_第九课：Langchain项目原理与实战 .mp4 146.45M
- 36_第十课：Langgraph项目原理与实战 .mp4 84.80M
- 37_第十一课：Langgraph多Agent架构：协作多Age .mp4 111.58M
- 38_第十二课：AutoGen项目原理与实战（一）：AutoGen .mp4 130.63M
- 39_第十三课：AutoGen项目原理与实战（二）：代码执行，工具 .mp4 119.32M
- 40_第十四课：CrewAI项目原理与实战：Crew Task A .mp4 120.59M
- 1_第一课：人工智能介绍：迭代路径，大模型进化树，技术分类 .mp4 82.74M
- 2_第二课：柏拉图表征假说与scalinglaw：KM缩放定律 .mp4 86.18M
- 3_第三课：AI开发环境（python、conda、vscode .mp4 81.29M
- 4_第一课：大模型微调llama-factory环境准备 .mp4 121.74M
- 5_第二课：微调数据集准备（SFT 继续预训练，偏好优化） .mp4 175.76M
- 6_第三课：微调过程lora微调与Qlora微调 .mp4 208.70M
- 7_第四课：模型评估（批量推理与自动评估benchmark） .mp4 157.73M
- 8_第五课：模型部署（模型合并导出与量化，本地部署） .mp4 145.28M
- 9_第一课：RAG技术原理与RAGFlow项目实操 .mp4 126.56M
- 【40节】AI大模型应用开发-模型训练-RAG-Agent-AI项目实战-行业落地课 _ 龙哥紫貂智能_文件目录.txt 3.32kb
- 资料.zip 2.50M
- AI大模型应用开发模型训练-RAG-Agent-AI项目实战-行业落地课/
