正版资源 getfromcodeAI
2025西瓜AI大模型RAG项目实战课
AI大模型RAG项目实战课导读 这门课程聚焦于AI大模型与RAG（Retrieval-Augmented Generation）技术的结合，致力于帮助开发者掌握如何将大模型与外部知识库高效融合，构建可落地的问答系统、智能客服、文档检索等应用场景。对于有AI基础但希望深入理解RAG技术原理与工程实现的
单课价¥29.90新品 上架
支付成功后自动发货，可在「我的订单」查看网盘链接；链接失效可联系客服免费补链。
正版保障 极速发货 售后无忧
AI大模型RAG项目实战课导读
这门课程聚焦于AI大模型与RAG（Retrieval-Augmented Generation）技术的结合，致力于帮助开发者掌握如何将大模型与外部知识库高效融合，构建可落地的问答系统、智能客服、文档检索等应用场景。对于有AI基础但希望深入理解RAG技术原理与工程实现的开发者而言，这是一份极具价值的资料。
课程内容覆盖了从RAG的基本概念到实际工程应用的多个层面。在技术栈方面，课程主要围绕LangChain这一主流框架展开，讲解其核心组件和工作原理，同时结合Python编程语言，深入讨论如何实现检索、生成与反馈的闭环流程。对于熟悉Python与深度学习框架（如TensorFlow、PyTorch）的开发者来说，这部分内容可以作为知识补充和技能拓展。
课程结构与模块设计
课程以RAG技术为核心，从架构演进、流程剖析、方案选型到应用落地，逐步展开。第一部分介绍了RAG的基本流程，包括查询理解、知识检索、内容生成和结果反馈等关键环节，帮助学习者建立系统的认知框架。第二部分则深入探讨了RAG的架构演进，从最初的Naive RAG到Advanced RAG，分析不同架构在性能、扩展性和实用性上的差异。
模块设计上，课程注重理论与实践的结合。每个知识点都会配以具体的代码示例和工程实现方法，使学习者能够直接对照代码理解流程。例如，在讲解LangChain架构时，会展示如何配置检索器、生成器以及整合它们的模块。同时，课程还介绍了微调模型的必要性，包括如何选择合适的微调策略以及评估RAG性能的关键指标，这些内容对于实际项目开发至关重要。
适合的学习基础与目标
这门课程适合有一定AI开发经验的开发者，尤其是已经掌握大模型基本原理和应用的人员。如果你对Transformer模型、微调技术、自然语言处理（NLP）有一定的了解，并且具备Python编程能力，那么这门课将是一个很好的进阶选择。课程不会从零开始讲解AI基础知识，而是假定你已经具备了基本的模型训练与部署能力。
课程的目标是让学习者能够理解RAG技术的完整流程，并具备独立构建一个RAG系统的工程能力。你可以通过本课程掌握如何利用大模型进行信息检索与生成，如何优化知识库的结构与检索效率，以及如何在实际项目中部署和调优RAG系统。课程还特别强调了性能优化与工程实践，例如如何处理大规模数据、如何设计可扩展的架构以及如何在生产环境中稳定运行RAG服务。
学习建议与实战路径
建议学习者在开始课程前，先熟悉LangChain的基本使用方法，以及如何配置和运行简单的RAG流程。这部分内容在课程中占据一定比重，掌握它将为后续的架构设计和性能优化打下坚实基础。同时，了解大模型的微调方法也是必要的，因为RAG系统往往需要根据具体任务对模型进行一定的调整。
在学习过程中，可以结合课程中的代码示例进行实践，逐步构建自己的RAG系统。例如，可以尝试使用Hugging Face的预训练模型作为基础，结合Elasticsearch或Faiss等工具构建知识库，再通过LangChain将检索与生成模块串联起来。这种从简单到复杂、从理论到实践的学习路径，有助于开发者快速上手并深入理解RAG技术。
资料如何配合练习
课程提供的资料包包含多个实战项目模块，涵盖从基础流程到高级架构的多个实现层次。你可以将这些模块作为练习的起点，逐步深入。例如，在学习完RAG的基本流程后，可以尝试实现一个简单的问答系统，并在此基础上扩展为支持多轮对话或复杂查询的系统。
资料包中的每个项目都配有详细的代码结构和实现说明，适合用来对照学习和实践。此外，课程还涉及性能优化和工程部署的内容，建议在掌握基础后，重点研究这些部分，以提升系统的可用性和稳定性。通过反复对照资料中的代码与讲解，结合自己的项目需求进行调整和优化，将有助于你真正掌握RAG技术并将其应用到实际工作中。
2025西瓜AI大模型RAG项目实战课
深入AI大模型RAG技术，实战项目提升能力
编辑点评
实战性强，涵盖RAG模型全流程，适合有AI背景的开发者进阶。
⭐ 编辑推荐
本课程深入讲解AI大模型RAG项目实战，从架构设计到代码实现，助你掌握RAG技术。
✨ 课程亮点
✦AI大模型RAG项目实战
✦LangChain架构解析
✦高性能知识库构建
课程目录
AI大模型RAG项目实战课97 集
- 15 Model IO涔婰angChain瀹樼綉浠嬬粛.mp4 [81.0 MB]
- 122 高性能知识库之代码落地-联网问答数据入库代码设计【公重号：CunWorkNotes】.mp4 [86.8 MB]
- 13 LangChain总体架构设计之核心API设计剖析【公重号：CunWorkNotes】.mp4 [20.3 MB]
- 85 高性能知识库之代码落地-智能问答模型管理流程演示(6).mp4 [49.7 MB]
- 148 06 RAG性能优化之高性能的模型管理方案_【公重号：CunWorkNotes】.mp4 [26.0 MB]
- 137 02 选型评估之RAG常见的落地方案有哪些？.mp4 [7.1 MB]
- 6 RAG 架构演进之Advanced RAG.mp4 [73.1 MB]
- 27 Model IO之LangChain调用在线模型的外部函数【公重号：CunWorkNotes】.mp4 [65.4 MB]
- 1 课程介绍.mp4 [27.0 MB]
- 70 高性能知识库之详细设计-问答推荐.mp4 [6.6 MB]
- 134 高性能知识库之代码落地-基于Agent问答效果复现(4).mp4 [34.5 MB]
- 136 01 选型评估之用向量数据库还是知识图谱？_.mp4 [16.1 MB]
- 100 高性能知识库之代码落地-基于知识库问答流程复现.mp4 [37.8 MB]
- 82 高性能知识库之代码落地-智能问答表结构梳理(3).mp4 [43.9 MB]
- 44 Memory之内置模块Entity.mp4 [39.6 MB]
- 94 高性能知识库之代码落地-知识管理亿级wiki语料数据处理【公重号：CunWorkNotes】.mp4 [61.8 MB]
- 10 LangChain总体架构设计之LangChain总体架构剖析.mp4 [76.4 MB]
- 128 高性能知识库之代码落地-问答推荐效果复现之数据入库(4).mp4 [8.7 MB]
- 150 08 RAG性能优化之设计反馈机制【公重号：CunWorkNotes】.mp4 [4.5 MB]
- 68 高性能知识库之详细设计-知识库.mp4 [9.0 MB]
- 152 10 RAG性能优化之推理资源设计.mp4 [11.0 MB]
- 95 高性能知识库之代码落地-知识管理私有PDF文件处理方案【公重号：CunWorkNotes】.mp4 [8.3 MB]
- 112 高性能知识库之代码落地-效果评估工具自研指标定义代码实现【公重号：CunWorkNotes】.mp4 [35.3 MB]
- 116 高性能知识库之代码落地-rerank算法代码实现【公重号：CunWorkNotes】.mp4 [30.5 MB]
- 74 高性能知识库之代码落地-开发目标和环境准备(1)【公重号：CunWorkNotes】.mp4 [32.2 MB]
- 99 高性能知识库之代码落地-知识管理数据验证_.mp4 [6.4 MB]
- 36 Chains之全链路中实现调用天气函数【公重号：CunWorkNotes】.mp4 [49.0 MB]
- 111 高性能知识库之代码落地-效果评估工具自研模型管理代码实现【公重号：CunWorkNotes】.mp4 [42.0 MB]
- 107 高性能知识库之代码落地-效果评估工具自研数据处理代码实现.mp4 [66.6 MB]
- 139 04 选型评估之有哪些优秀的RAG的开源项目？【公重号：CunWorkNotes】.mp4 [9.7 MB]
- 81 高性能知识库之代码落地-智能问答项目启动和测试(2).mp4 [69.1 MB]
- 125 高性能知识库之代码落地-问答推荐开发目标(1)【公重号：CunWorkNotes】.mp4 [10.9 MB]
- 75 高性能知识库之代码落地-本地连接远程服务器(2)【公重号：CunWorkNotes】.mp4 [27.5 MB]
- 8 RAG 的应用落地场景【公重号：CunWorkNotes】.mp4 [14.6 MB]
- 144 02 RAG性能优化之Embedding模型的选择【公重号：CunWorkNotes】.mp4 [3.1 MB]
- 143 01 RAG性能优化之建议使用多路召回方案_.mp4 [13.0 MB]
- 71 高性能知识库之详细设计-基于Agent的RAG_.mp4 [7.8 MB]
- 126 高性能知识库之代码落地-问答推荐数据特征工程(2).mp4 [90.9 MB]
- 92 高性能知识库之代码落地-知识管理开发代码设计(下).mp4 [17.6 MB]
- 7 微调 和 RAG 方案选型.mp4 [17.0 MB]
- 66 高性能知识库之详细设计-知识管理平台【公重号：CunWorkNotes】.mp4 [7.8 MB]
- 121 高性能知识库之代码落地-联网问答Milvus安装部署.mp4 [35.5 MB]
- 80 高性能知识库之代码落地-智能问答流程开发目标(1).mp4 [18.7 MB]
- 117 高性能知识库之代码落地-联网问答开发目标【公重号：CunWorkNotes】.mp4 [18.1 MB]
- 86 高性能知识库之代码落地-智能问答服务启动流程剖析(7)【公重号：CunWorkNotes】.mp4 [50.7 MB]
- 130 高性能知识库之代码落地-问答推荐代码落地(6).mp4 [60.6 MB]
- 135 高性能知识库之代码落地-基于Agent问答代码落地(5)_.mp4 [42.9 MB]
- 84 高性能知识库之代码落地-智能问答模型管理原理(5)【公重号：CunWorkNotes】.mp4 [34.0 MB]
- 83 高性能知识库之代码落地-智能问答多进程多线程和异步编程(4)【公重号：CunWorkNotes】.mp4 [31.7 MB]
- 140 05 选型评估之有哪些优秀的RAG的效果评估工具？【公重号：CunWorkNotes】.mp4 [24.8 MB]
- 76 高性能知识库之代码落地-虚拟环境创建和依赖安装(3).mp4 [33.3 MB]
- 129 高性能知识库之代码落地-问答推荐效果复现之服务测试(5).mp4 [23.5 MB]
- 142 07 选型评估之有哪些落地的技术栈分享？【公重号：CunWorkNotes】.mp4 [28.1 MB]
- 24 Model IO之Ollama工具部署和私有模型部署【公重号：CunWorkNotes】.mp4 [26.4 MB]
- 47 Agents之Agent架构的意义.mp4 [36.3 MB]
- 2 RAG 流程详细剖析【公重号：CunWorkNotes】.mp4 [17.4 MB]
- 22 Model IO之Prompts使用自定义示例器构建模版.mp4 [46.8 MB]
- 43 Memory之内置模块ConversationBufferWindowMemory.mp4 [29.0 MB]
- 37 Chains之全链路中实现调用gp信息函数.mp4 [31.0 MB]
- 103 高性能知识库之代码落地-效果评估关键指标剖析.mp4 [5.0 MB]
- 108 高性能知识库之代码落地-效果评估工具自研提示词模板代码实现.mp4 [18.4 MB]
- 88 高性能知识库之代码落地-智能问答浏览器推流技术(9).mp4 [15.1 MB]
- 77 高性能知识库之代码落地-项目运行(4).mp4 [16.5 MB]
- 151 09 RAG性能优化之设置可解释性.mp4 [5.4 MB]
- 133 高性能知识库之代码落地-基于Agent问答LangChain支持(3).mp4 [5.6 MB]
- 106 高性能知识库之代码落地-效果评估工具自研代码设计思路.mp4 [13.3 MB]
- 45 Memory之内置模块单独使用Memory.mp4 [31.3 MB]
- 51 Agents之LangChain提供的抽象.mp4 [24.1 MB]
- 25 Model IO之LangChain调用私有模型.mp4 [14.1 MB]
- 124 高性能知识库之代码落地-联网问答流程代码落地.mp4 [68.8 MB]
- 38 Chains之全链路中实现全流程跑通.mp4 [43.8 MB]
- 109 高性能知识库之代码落地-效果评估工具自研检索器代码实现(上).mp4 [23.1 MB]
- 78 高性能知识库之代码落地-项目测试(5).mp4 [26.3 MB]
- 102 高性能知识库之代码落地-效果评估方案选型.mp4 [21.3 MB]
- 46 Memory之内置模块ConversationSummaryMemory.mp4 [24.8 MB]
- 5 RAG 架构演进之Naive RAG.mp4 [21.0 MB]
- 93 高性能知识库之代码落地-知识管理亿级wiki语料数据准备.mp4 [69.8 MB]
- 49 Agents之LangChain Agents的设计理念.mp4 [23.6 MB]
- 40 Memory之如何自定义Memory功能？.mp4 [44.7 MB]
- 63 高性能知识库之需求分析(上).mp4 [20.5 MB]
- 127 高性能知识库之代码落地-问答推荐效果复现之特征工程(3).mp4 [21.1 MB]
- 119 高性能知识库之代码落地-联网问答实时检索流程代码开发.mp4 [70.8 MB]
- 118 高性能知识库之代码落地-联网问答搜索工具介绍.mp4 [5.5 MB]
- 67 高性能知识库之详细设计-智能对话.mp4 [7.7 MB]
- 138 03 选型评估之有哪些优秀的RAG在线开发平台？.mp4 [12.1 MB]
- 14 Model IO之贯穿整个课程的业务场景引入.mp4 [93.8 MB]
- 12 LangChain总体架构设计之Agent架构支持.mp4 [35.2 MB]
- 115 高性能知识库之代码落地-rerank算法效果复现.mp4 [34.0 MB]
- 26 Model IO之大模型外部函数调用流程剖析.mp4 [53.4 MB]
- 145 03 RAG性能优化之表格数据处理方案.mp4 [9.5 MB]
- 34 Chains之历史的Chains中的SequentialChain.mp4 [41.5 MB]
- 16 Model IO涔婱odel IO鎬讳綋姒傝堪.mp4 [48.5 MB]
- 147 05 RAG性能优化之幻觉问题.mp4 [4.1 MB]
- 131 高性能知识库之代码落地-基于Agent问答原理分析(1).mp4 [15.8 MB]
- 79 高性能知识库之代码落地-开源模型部署(6).mp4 [75.8 MB]
- 9 LangChain总体架构设计之什么是LangChain.mp4 [89.9 MB]
- 52 Agents之自定义ReAct方式的Agents.mp4 [40.5 MB]
DeepSeek+Dify构建智能体和企业知识库24 集
- 17 Dify案例实践之工作流应用构建-智能客服(上).mp4 [26.2 MB]
- 9 Dify私有化部署之接入Xinference平台.mp4 [48.0 MB]
- 14 Dify案例实践之智能体应用构建-智能旅游助手.mp4 [86.3 MB]
- 16 Dify案例实践之工作流应用构建-智能写作大神.mp4 [127.4 MB]
- 19 Dify案例实践之知识库应用构建-企业私有知识库(1)【公重号：CunWorkNotes】.mp4 [33.3 MB]
- 21 Dify案例实践之知识库应用构建-企业私有知识库(3)_.mp4 [15.8 MB]
- 7 Dify私有化部署之接入DeepSeek私有模型_.mp4 [18.1 MB]
- 2 Dify骞冲彴浠嬬粛_.mp4 [52.9 MB]
- 12 Dify案例实践之对话应用构建-智能机器人_【公重号：CunWorkNotes】.mp4 [19.7 MB]
- 13 Dify案例实践之对话应用-智能面试官.mp4 [86.3 MB]
- 20 Dify案例实践之知识库应用构建-企业私有知识库(2).mp4 [42.6 MB]
- 8 Dify私有化部署之Xinference平台部署.mp4 [86.9 MB]
- 11 Dify私有化部署之接入在线的DeepSeek模型.mp4 [9.9 MB]
- 5 Dify私有化部署之Dify服务启动和注册.mp4 [63.0 MB]
- 4 Dify私有化部署之Docker安装.mp4 [48.8 MB]
- 15 Dify案例实践之RAGAgent和WorkFlow的区别.mp4 [27.0 MB]
- 1 课程介绍.mp4 [26.7 MB]
- Dify课程资料.txt [61.0 B]
- 10 Dify私有化部署之Docker容器支持GPU.mp4 [80.4 MB]
- 18 Dify案例实践之工作流应用构建-智能客服(下).mp4 [104.6 MB]
- 6 Dify私有化部署之接入Ollama平台.mp4 [75.1 MB]
- 3 Dify私有化部署方案设计.mp4 [73.9 MB]
- 22 Dify案例实践之知识库应用构建-企业图文私有知识库.mp4 [81.8 MB]
- hw-chat-0.2.exe [39.8 MB]
适合人群
- AI开发者
- 机器学习工程师
- 数据科学家
🎯 学习收获
- 掌握RAG模型架构
- 实现高性能知识库
- 提升AI项目实战能力
🎉 祝您学习愉快！
课程目录
课程目录148 集
- RAG课程资料.rar
- 1 课程介绍.mp4
- 2 RAG 流程详细剖析.mp4
- 3 大模型应用落地痛点剖析_.mp4
- 4 RAG 关键问题剖析_.mp4
- 5 RAG 架构演进之Naive RAG.mp4
- 6 RAG 架构演进之Advanced RAG.mp4
- 7 微调 和 RAG 方案选型.mp4
- 8 RAG 的应用落地场景.mp4
- 9 LangChain总体架构设计之什么是LangChain.mp4
- 10 LangChain总体架构设计之LangChain总体架构剖析.mp4
- 11 LangChain总体架构设计之RAG架构支持.mp4
- 12 LangChain总体架构设计之Agent架构支持.mp4
- 13 LangChain总体架构设计之核心API设计剖析.mp4
- 14 Model IO之贯穿整个课程的业务场景引入.mp4
- 15 Model IO涔婰angChain瀹樼綉浠嬬粛.mp4
- 16 Model IO涔婱odel IO鎬讳綋姒傝堪.mp4
- 17 Model IO之模型调用API实践.mp4
- 18 Model IO之Prompts使用str.format构建模版.mp4
- 19 Prompts使用Few-Shot构建模版.mp4
- 20 Model IO之Prompts使用ExampleSelector构建模版(上).mp4
- 21 Model IO之Prompts使用ExampleSelector构建模版(下).mp4
- 22 Model IO之Prompts使用自定义示例器构建模版.mp4
- 24 Model IO之Ollama工具部署和私有模型部署.mp4
- 25 Model IO之LangChain调用私有模型.mp4
- 26 Model IO之大模型外部函数调用流程剖析.mp4
- 27 Model IO之LangChain调用在线模型的外部函数.mp4
- 28 Model IO之自定义关于外部函数的解析器.mp4
- 29 Model IO之LangChain调用开源模型的外部函数.mp4
- 30 Chains之设计理念和意义.mp4
- 31 Chains之基于LCEC语言构建的Chains.mp4
- 32 Chains之历史的Chains中的最简单的Chain.mp4
- 33 Chains之历史的Chains中的SimpleSequentialChain.mp4
- 34 Chains之历史的Chains中的SequentialChain.mp4
- 35 Chains之历史的Chains中的RouterChain.mp4
- 36 Chains之全链路中实现调用天气函数.mp4
- 37 Chains之全链路中实现调用gp信息函数.mp4
- 38 Chains之全链路中实现全流程跑通.mp4
- 39 Memory之为什么会出现Memory模块？.mp4
- 40 Memory之如何自定义Memory功能？.mp4
- 41 Memory之自定义实体识别的Memory功能.mp4
- 42 Memory之内置模块ConversationBufferMemory.mp4
- 43 Memory之内置模块ConversationBufferWindowMemory.mp4
- 44 Memory之内置模块Entity.mp4
- 45 Memory之内置模块单独使用Memory.mp4
- 46 Memory之内置模块ConversationSummaryMemory.mp4
- 47 Agents之Agent架构的意义.mp4
- 48 Agents之Chains模块的优劣势.mp4
- 49 Agents之LangChain Agents的设计理念.mp4
- 50 Agents涔嬭嚜瀹氫箟 Agents.mp4
- 51 Agents之LangChain提供的抽象.mp4
- 52 Agents之自定义ReAct方式的Agents.mp4
- 53 Agents之LangChain提供的ReAct Agent抽象.mp4
- 54 Agents之LangChain提供的XML Agent抽象.mp4
- 55 LangChain鍗囩骇璇存槑_.mp4
- 56 Retrieval之设计理念和意义.mp4
- 63 高性能知识库之需求分析(上).mp4
- 64 高性能知识库之需求分析(下).mp4
- 65 高性能知识库之架构设计.mp4
- 66 高性能知识库之详细设计-知识管理平台.mp4
- 67 高性能知识库之详细设计-智能对话.mp4
- 68 高性能知识库之详细设计-知识库.mp4
- 69 高性能知识库之详细设计-联网在线问答.mp4
- 70 高性能知识库之详细设计-问答推荐.mp4
- 71 高性能知识库之详细设计-基于Agent的RAG_.mp4
- 72 高性能知识库之技术选型.mp4
- 73 高性能知识库之资源评估.mp4
- 74 高性能知识库之代码落地-开发目标和环境准备(1).mp4
- 75 高性能知识库之代码落地-本地连接远程服务器(2).mp4
- 76 高性能知识库之代码落地-虚拟环境创建和依赖安装(3).mp4
- 77 高性能知识库之代码落地-项目运行(4).mp4
- 78 高性能知识库之代码落地-项目测试(5).mp4
- 79 高性能知识库之代码落地-开源模型部署(6).mp4
- 80 高性能知识库之代码落地-智能问答流程开发目标(1).mp4
- 81 高性能知识库之代码落地-智能问答项目启动和测试(2).mp4
- 82 高性能知识库之代码落地-智能问答表结构梳理(3).mp4
- 83 高性能知识库之代码落地-智能问答多进程多线程和异步编程(4).mp4
- 84 高性能知识库之代码落地-智能问答模型管理原理(5).mp4
- 85 高性能知识库之代码落地-智能问答模型管理流程演示(6).mp4
- 86 高性能知识库之代码落地-智能问答服务启动流程剖析(7).mp4
- 87 高性能知识库之代码落地-智能问答用户请求流程剖析(8).mp4
- 88 高性能知识库之代码落地-智能问答浏览器推流技术(9).mp4
- 89 高性能知识库之代码落地-知识管理开发目标和表结构设计.mp4
- 90 高性能知识库之代码落地-知识管理开发向量数据库选型.mp4
- 91 高性能知识库之代码落地-知识管理开发代码设计(上).mp4
- 92 高性能知识库之代码落地-知识管理开发代码设计(下).mp4
- 93 高性能知识库之代码落地-知识管理亿级wiki语料数据准备.mp4
- 94 高性能知识库之代码落地-知识管理亿级wiki语料数据处理.mp4
- 95 高性能知识库之代码落地-知识管理私有PDF文件处理方案.mp4
- 96 高性能知识库之代码落地-知识管理私有PDF文件处理(上).mp4
- 97 高性能知识库之代码落地-知识管理私有PDF文件处理(下).mp4
- 98 高性能知识库之代码落地-知识管理全流程代码剖析.mp4
- 99 高性能知识库之代码落地-知识管理数据验证_.mp4
- 100 高性能知识库之代码落地-基于知识库问答流程复现.mp4
- 101 高性能知识库之代码落地-基于知识库RAG代码剖析.mp4
- 102 高性能知识库之代码落地-效果评估方案选型.mp4
- 103 高性能知识库之代码落地-效果评估关键指标剖析.mp4
- 104 高性能知识库之代码落地-效果评估工具Trulens演示.mp4
- 105 高性能知识库之代码落地-效果评估工具Ragas演示.mp4
- 106 高性能知识库之代码落地-效果评估工具自研代码设计思路.mp4
- 107 高性能知识库之代码落地-效果评估工具自研数据处理代码实现.mp4
- 108 高性能知识库之代码落地-效果评估工具自研提示词模板代码实现.mp4
- 109 高性能知识库之代码落地-效果评估工具自研检索器代码实现(上).mp4
- 110 高性能知识库之代码落地-效果评估工具自研检索器代码实现(下).mp4
- 111 高性能知识库之代码落地-效果评估工具自研模型管理代码实现.mp4
- 112 高性能知识库之代码落地-效果评估工具自研指标定义代码实现.mp4
- 113 高性能知识库之代码落地-效果评估工具自研代码测试.mp4
- 114 高性能知识库之代码落地-rerank算法原理.mp4
- 115 高性能知识库之代码落地-rerank算法效果复现.mp4
- 116 高性能知识库之代码落地-rerank算法代码实现.mp4
- 117 高性能知识库之代码落地-联网问答开发目标.mp4
- 118 高性能知识库之代码落地-联网问答搜索工具介绍.mp4
- 119 高性能知识库之代码落地-联网问答实时检索流程代码开发.mp4
- 120 高性能知识库之代码落地-联网问答Docker安装部署.mp4
- 121 高性能知识库之代码落地-联网问答Milvus安装部署.mp4
- 122 高性能知识库之代码落地-联网问答数据入库代码设计.mp4
- 123 高性能知识库之代码落地-联网问答效果复现.mp4
- 124 高性能知识库之代码落地-联网问答流程代码落地.mp4
- 125 高性能知识库之代码落地-问答推荐开发目标(1).mp4
- 126 高性能知识库之代码落地-问答推荐数据特征工程(2).mp4
- 127 高性能知识库之代码落地-问答推荐效果复现之特征工程(3).mp4
- 128 高性能知识库之代码落地-问答推荐效果复现之数据入库(4).mp4
- 129 高性能知识库之代码落地-问答推荐效果复现之服务测试(5).mp4
- 130 高性能知识库之代码落地-问答推荐代码落地(6).mp4
- 131 高性能知识库之代码落地-基于Agent问答原理分析(1).mp4
- 132 高性能知识库之代码落地-基于Agent问答目标设计(2).mp4
- 133 高性能知识库之代码落地-基于Agent问答LangChain支持(3).mp4
- 134 高性能知识库之代码落地-基于Agent问答效果复现(4).mp4
- 135 高性能知识库之代码落地-基于Agent问答代码落地(5)_.mp4
- 136 01 选型评估之用向量数据库还是知识图谱？_.mp4
- 137 02 选型评估之RAG常见的落地方案有哪些？.mp4
- 138 03 选型评估之有哪些优秀的RAG在线开发平台？.mp4
- 139 04 选型评估之有哪些优秀的RAG的开源项目？.mp4
- 140 05 选型评估之有哪些优秀的RAG的效果评估工具？.mp4
- 141 06 选型评估之有哪些优秀的向量数据库？.mp4
- 142 07 选型评估之有哪些落地的技术栈分享？.mp4
- 143 01 RAG性能优化之建议使用多路召回方案_.mp4
- 144 02 RAG性能优化之Embedding模型的选择.mp4
- 145 03 RAG性能优化之表格数据处理方案.mp4
- 146 04 RAG性能优化之相似度不准问题.mp4
- 147 05 RAG性能优化之幻觉问题.mp4
- 148 06 RAG性能优化之高性能的模型管理方案_.mp4
- 149 07 RAG性能优化之基于语义相似度缓存一致性方案.mp4
- 150 08 RAG性能优化之设计反馈机制.mp4
- 151 09 RAG性能优化之设置可解释性.mp4
- 152 10 RAG性能优化之推理资源设计.mp4
- 153 11 RAG性能优化之图文知识库设计方案_.mp4
- 154 12 RAG性能优化之效果评估方案_.mp4
