getfromcode

极客-大模型 RAG 进阶实战营

AI
课程简介

大模型 RAG 进阶实战营:从原理堆砌到工程落地 当前大模型应用开发中,检索增强生成(RAG)虽能解决幻觉问题,但实际落地常受困于检索不准、上下文混乱及工程维护成本高昂。本实战营不满足于调包演示,而是深入剖析检索链路中的核心瓶颈,旨在解决如何构建高可用、低延迟且易维护的企业级知识库问答系统这一痛点。课程摒弃了“贴砖”式的代码拼凑,重点攻克多路检索策略融合、…

已有 30 人浏览 发布 2026-03-01 更新 2026-10-12

大模型 RAG 进阶实战营:从原理堆砌到工程落地

当前大模型应用开发中,检索增强生成(RAG)虽能解决幻觉问题,但实际落地常受困于检索不准、上下文混乱及工程维护成本高昂。本实战营不满足于调包演示,而是深入剖析检索链路中的核心瓶颈,旨在解决如何构建高可用、低延迟且易维护的企业级知识库问答系统这一痛点。课程摒弃了“贴砖”式的代码拼凑,重点攻克多路检索策略融合、混合排序算法优化以及向量数据库在复杂场景下的性能调优等硬核技术难题。这不仅仅是一次概念验证,更是一场针对真实业务场景的深度工程演练,让你直面生产环境中的高并发与数据异构挑战。

技术栈选型与工程架构设计

项目采用 Python 全栈开发,后端基于 FastAPI 构建高性能异步接口,前端使用 Vue3 实现可视化交互,核心向量检索引擎选用 Milvus 或 Chroma 等主流开源方案,并集成 LangChain 或 LlamaIndex 作为编排框架。架构设计上,严格遵循分层解耦原则:将数据预处理、向量索引构建、检索查询、重排序及生成响应拆分为独立微服务模块。这种结构不仅便于后期替换底层模型或向量库,更支持通过配置中心动态调整检索参数,确保代码在真实生产环境中的可复用性与可扩展性。关键代码段均添加了详细注释,解释参数含义与执行逻辑,方便你理解数据流向与依赖关系,而非盲目复制粘贴。

实战路径、门槛与资料配合指南

建议学习者先具备 Python 编程基础及基本的机器学习概念,无需精通数学推导,但需理解向量空间与语义匹配原理,这样能更快理解为何某些检索策略有效而另一些失效。学习路径应遵循“数据构建 -> 索引优化 -> 检索调优 -> 业务集成”的闭环:首先利用课程提供的清洗脚本处理非结构化文档,亲手调整分块策略(Chunking)参数,观察其对检索召回率的直接影响;接着对照工程参考中的索引构建模块,动手配置向量数据库的索引类型与分片策略,理解不同索引结构对查询速度的影响。随后重点研读混合检索(Hybrid Search)与重排序(Rerank)的代码实现,通过修改检索阈值与重排序模型参数,对比系统性能变化。资料包内的工程代码并非完整交付品,而是模块化脚手架,需读者自行填充具体业务逻辑与编写测试用例,通过运行本地测试脚本验证各模块连通性,最终独立部署一套具备生产级稳定性的 RAG 应用,真正掌握从数据到服务的完整落地能力。

网盘截图:

课程目录:

├─01 学习手册
│ │ 01 欢迎来到大模型RAG进阶实战营.png
│ │ 02 课程表.png
│ │ 03 学习群组与助教答疑.png
│ │ 04 毕业条件.png
│ │
│ └─05 RAG常见问题文档
│Cursor安装配置使用.docx
│ QA-RAG训练营.docx
│
├─02 RAG三问
│ 01-RAG三问-04-如何优化RAG系统(2025.3.24)_ev.mp4
│Python环境准备工作.pdf
│ RAG三问.pdf
│ 大模型应用开发概述- 开营导语.pdf
│
├─03 Git & Github操作指南
│ 3. 安装 Git、初始化仓库并做最简单的配置.txt
│ 4. 在Windows系统上安装Git.txt
│ 6. 将本地仓库同步到远程GitHub仓库.txt
│ 将本地仓库同步到远程GitHub仓库_v1.6_ev.mp4
│ 直播领取资料.txt
│ 第一节 为什么要使用 Git&GitHub_ev.mp4
│ 第三节 安装 Git、初始化仓库并做最简单的配置_ev.mp4
│ 第三节 在Windows系统上安装Git_ev.mp4
│ 第二节 什么是版本控制?_ev.mp4
│ 第四节 完成一个最简单的Git操作流程:工作区、暂存区和仓库_ev.mp4
│
├─04 RAG三问
│ │ 01-RAG三问-04-如何优化RAG系统(2025.3.24)_ev.mp4
│ │ Python环境准备工作.pdf
│ │ RAG三问.pdf
│ │ 大模型应用开发概述- 开营导语.pdf
│ │
│ └─资料
│ Curcor的安装和配置.pdf
│ Python环境准备工作.pdf
│ RAG三问.pdf
│ 大模型应用开发概述- 开营导语.pdf
│
├─05 第二章:自己动手制作RAG框架
│ │ 1.下载并运行自制RAG框架_ev.mp4
│ │ 2.框架流程和设计说明(前端)_ev.mp4
│ │ 3.框架流程和设计说明(后端)_ev.mp4
│ │ 4.为框架添加新功能_ev.mp4
│ │ 5.从头开始构建框架_ev.mp4
│ │
│ └─资料
│ 自己动手制作RAG框架.pdf
│ 课后练习.png
│
├─06 第三章:案例篇-医疗领域名词标准化工具
│ │ 03-01-项目整体目标_ev.mp4
│ │ 03-02-项目具体实现-代码下载和功能演示(2025.4.7)_ev.mp4
│ │ 03-03+04 专有名词标准化系统设计(2025.4.7)_ev.mp4
│ │ 03-04-向量数据库文档补充说明_ev.mp4
│ │ 03-05专有名词标准化系统-前后端衔接_ev.mp4
│ │ 03-06-名词扩展和纠错功能实现_ev.mp4
│ │ 03-07-项目优化方向_ev.mp4
│ │
│ └─资料
│ 数据集文件-SNOMED_ALL.csv.zip
│ 案例篇-医疗领域名词标准化工具.pdf
│
├─07 第四章:组件篇-数据导入技术
│ │ 组件篇-01-数据导入-01-简单文档-01_ev.mp4
│ │ 组件篇-01-数据导入-02-有结构的文档_ev.mp4
│ │ 组件篇-01-数据导入-03-图文导入_ev.mp4
│ │ 组件篇-01-数据导入-04-PDF解析之-简单工具(PyPDF-PyMUPDF- pytesseract+pdf2image)_ev.mp4
│ │ 组件篇-01-数据导入-05-PDF解析之-PDF转MarkDown(Marker,MinerU和LlamaParse)_ev.mp4
│ │ 组件篇-01-数据导入-06-PDF解析之-Unstructured工具解析版式和元素_ev.mp4
│ │ 组件篇-01-数据导入-07-结构化表格导入之-CSV导入(2025.4.18)_ev.mp4
│ │ 组件篇-01-数据导入-08-结构化表格导入之-LlamaDB Connector(2025.4.18)_ev.mp4
│ │ 组件篇-01-数据导入-09-结构化表格导入之-PDF表格解析-1(2025.4.18)_ev.mp4
│ │ 组件篇-01-数据导入-09-结构化表格导入之-PDF表格解析-2(2025.4.18)_ev.mp4
│ │
│ └─资料
│ 数据导入技术.pdf
│
├─08 第五章:组件篇-文本分块技术
│ │ 组件篇-02-01-文本分块的原理和重要性(2025.4.18)_ev.mp4
│ │ 组件篇-02-02-文本分块的方法和实现(2025.4.18)_ev.mp4
│ │ 组件篇-02-03-与分块相关的高级索引技巧(2025.4.18)_ev.mp4
│ │
│ └─资料
│ 文本分块技术.pdf
│ 第五章作业(需要提交).html
│
├─09 第六章:组件篇-向量嵌入技术
│ │ 组件篇-03-01-嵌入技术的基本知识_ev.mp4
│ │ 组件篇-03-02-嵌入技术的发展和演变_ev.mp4
│ │ 组件篇-03-03-大模型时代的嵌入模型_ev.mp4
│ │ 组件篇-03-04-稀疏嵌入和密集嵌入_ev.mp4
│ │ 组件篇-03-05-多模态嵌入技术的应用_ev.mp4
│ │
│ └─资料
│ BGE-M3:稀疏嵌入、密集嵌入和多向量嵌入_.pdf
│ 嵌入技术.pdf
│
├─10 第七章:组件篇-向量数据库
│ │ 组件篇-04-03-集合、索引、度量和搜索(上)_ev.mp4
│ │ 组件篇-04-03-集合、索引、度量和搜索(下)(2025.4.27)_ev.mp4
│ │ 组件篇-04-03-集合、索引、度量和搜索(中)_ev.mp4
│ │ 组件篇-04-04-混合检索实战_ev.mp4
│ │ 组件篇-04-05-多模态检索实战_ev.mp4
│ │ 组件篇-04-向量数据库-01-基本原理_ev.mp4
│ │ 组件篇-04-向量数据库-02-各种各样的向量数据库_ev.mp4
│ │
│ └─资料
│ 向量数据库.pdf
│
├─11 第八章:组件篇-检索前处理技术
│ │ 组件篇-05-检索前处理-01-查询构建-01-Text2SQL(自制流程)(配置字幕)_ev.mp4
│ │ 组件篇-05-检索前处理-01-查询构建-02-Text2SQL(RagFlow)-1747293122_ev.mp4
│ │ 组件篇-05-检索前处理-01-查询构建-02-Text2SQL(RagFlow)_ev.mp4
│ │ 组件篇-05-检索前处理-01-查询构建-03-Text2Cypher_ev.mp4
│ │ 组件篇-05-检索前处理-01-查询构建-04-Metadata Filter生成_ev.mp4
│ │ 组件篇-05-检索前处理-02-查询翻译_ev.mp4
│ │ 组件篇-05-检索前处理-02-查询路由_ev.mp4
│ │
│ └─资料
│ Tree of Clarifications.pdf
│ 检索前处理技术.pdf
│
├─12 第九章:组件篇-索引优化技术
│ │ 组件篇-06-02-构建多表示的索引(配置字幕)_ev.mp4
│ │ 组件篇-06-02-构建有层次的索引(配置字幕)_ev.mp4
│ │ 组件篇-06-03-构建多表示的索引(配置字幕)_ev.mp4
│ │
│ └─资料
│ 索引优化技术.pdf
│
├─13 第十章:组件篇-检索后处理技术
│ │ 组件篇-07-01-重排技术(配置字幕)_ev.mp4
│ │ 组件篇-07-02、03-压缩和校正技术(配置字幕)_ev.mp4
│ │
│ └─资料
│ 检索后处理技术.pdf
│
├─14 第十一章:案例篇-企业文档合规性检查
│ │ 案例篇-项目3-文档合规-01-项目说明(配置字幕)_ev.mp4
│ │ 案例篇-项目3-文档合规-02-架构解释(配置字幕)_ev.mp4
│ │ 案例篇-项目3-文档合规-03-优化方向(配置字幕)_ev.mp4
│ │
│ └─资料
│ GRI标准项目文档.zip
│ NVIDIA_GRI_Compliance_Dataset_English.csv.zip
│ 代码.txt
│ 案例03-企业文档合规性检索和问答系统介绍.pdf
│
├─15 第十二章:组件篇-响应生成技术
│ └─资料
│ 响应生成.pdf
│
├─16 第十三章:组件篇-评估RAG系统
│ └─资料
│ 评估RAG系统.pdf
│
├─加餐
│ 1. RAG 优质论文分享_ev.mp4
│ 加餐-RAG Papers.zip
│
├─直播答疑
│ 【答疑文档】RAG1期.pdf
│
├─第14章:案例篇-SNOMED图数据库RAG实战
│ 1. 复习 SNOMED 医疗名词库_ev.mp4
│ 2. 使用 SNOMED 图数据库_ev.mp4
│ 3. 安装并配置 Neo4J_ev.mp4
│ 4. 构建 SNOMED 图数据库_ev.mp4
│ 5. 利用图数据库提升 RAG 质量_ev.mp4
│
└─第15章:组件篇-复杂RAG范式 1. GraphRAG_ev.mp4 2. Context Retreival_ev.mp4 3. Modular RAG_ev.mp4 4. Agentic RAG_ev.mp4 5. Multi-Modal RAG_ev.mp4
课程购买
课程价格
金币29
290金币限时优惠会员免费
销量:0
💎 开通会员每日免费下载,比单买更划算 →
支付成功后会自动显示下载资源云盘的链接!点击链接即可下载到本地。