极客-RAG在企业数智化场景下的设计与改进

课程简介

这门课解决的核心问题是：企业级RAG落地时普遍遭遇的数据噪声、检索命中率低、架构选型失误等工程痛点。课程并非停留在Prompt调优层面，而是从基础设施、数据清洗到向量数据库选型，拆解RAG系统的完整工程链路。适合具备大模型基础概念、有Python开发经验，且已在业务中尝试接入过LLM的开发者。建议按学习顺序，先看完“从数智化场景看RAG”建立整体认知，再看…

已有 25 人浏览发布 2025-12-20 更新 2026-10-09

学完本课程，开发者可独立完成企业级RAG系统的核心模块搭建，包括数据解析清洗管道、混合检索策略设计以及向量数据库的工程选型与调优。课程强调可复用的模块设计，如高命中率保障机制、结构化数据与rag的融合解析方案。你将获得的不是理论推导，而是可直接落地的架构决策依据与代码级实现参考，能够针对客服、知识库等具体业务场景，设计出具备生产级稳定性的RAG改进方案。

资料包的设计紧密配合工程实践，避免了纯理论观看的枯燥。课程配套提供了数据清洗与解析的代码实现、向量数据库的选型对比表以及RAG架构演变的系统图。建议在学习过程中，直接基于资料包中的代码骨架进行本地运行与改造，重点验证数据清洗对检索命中率的影响，以及不同向量数据库在高并发场景下的表现。通过动手替换向量库、调整检索策略，将视频中的架构改进思路转化为可运行的工程模块，实现从理论到落地的闭环。

【资源目录】： ├──01｜从基础设施看数智化系统架构的演变趋势.mp4 50.26M ├──01｜从基础设施看数智化系统架构的演变趋势_ev.mp4 30.55M ├──02｜从数智化场景看RAG：是临时方案，还是终局架构？.mp4 44.58M ├──02｜从数智化场景看RAG：是临时方案，还是终局架构？_ev.mp4 26.21M ├──03｜国内和海外企业对于GenAI的需求的共识和差异.mp4 45.56M ├──03｜国内和海外企业对于GenAI的需求的共识和差异_ev.mp4 27.23M ├──04｜数据清洗和解析对RAG的影响和解决方案.mp4 52.13M ├──04｜数据清洗和解析对RAG的影响和解决方案_ev.mp4 30.56M ├──05｜如何保证高命中率，如何选型向量数据库？.mp4 101.00M ├──05｜如何保证高命中率，如何选型向量数据库？_ev.mp4 60.14M ├──06｜如何解决复杂问答？.mp4 46.01M ├──06｜如何解决复杂问答？_ev.mp4 27.48M ├──07｜如何构建企业级Agent？.mp4 27.38M ├──07｜如何构建企业级Agent？_ev.mp4 16.65M ├──08｜如何构建企业级的RAG和Agent集群架构？.mp4 30.90M ├──08｜如何构建企业级的RAG和Agent集群架构？_ev.mp4 18.55M ├──09｜多模态RAG的技术进展和发展路线.mp4 11.90M ├──09｜多模态RAG的技术进展和发展路线_ev.mp4 6.89M ├──10｜未来的RAG和Agent如何发展？.mp4 38.23M └──10｜未来的RAG和Agent如何发展？_ev.mp4 22.38M 声明：本站所有资料均来源于网络以及用户发布，如对资源有争议请联系微信客服我们可以安排下架！

课程目录

01｜从基础设施看数智化系统架构的演变趋势.mp4
02｜从数智化场景看RAG：是临时方案，还是终局架构？.mp4
03｜国内和海外企业对于GenAI的需求的共识和差异.mp4
04｜数据清洗和解析对RAG的影响和解决方案.mp4
05｜如何保证高命中率，如何选型向量数据库？.mp4
06｜如何解决复杂问答？.mp4
07｜如何构建企业级Agent？.mp4
08｜如何构建企业级的RAG和Agent集群架构？.mp4
09｜多模态RAG的技术进展和发展路线.mp4
10｜未来的RAG和Agent如何发展？.mp4