RAG全栈技术从基础到精通 ，打造高精准AI应用

课程介绍

智能问答系统准确率低一直是AI领域的难题。本课程由资深AI专家倾力打造，旨在彻底解决这一痛点。无论您是AI新手还是资深开发者，都能从中受益。课程内容涵盖RAG（Retrieval-Augmented Generation）技术栈的完整体系，从基础概念到深入原理剖析，囊括核心组件、14种检索增强技术、智能评估以及双模型微调等前沿技术。我们将带领您从零开始构建企业级AI应用，如智能问答助手和金融智库，并在实践中融入AI应用开发的软技能，全方位提升您解决问题的能力，突破准确率瓶颈，助力您的职业发展。

资源目录

.
├──  第1章 课程学习必知——助你顺利学习以及必坑/
│   └── [ 23M]  1-1全面了解课程，让你少走弯路，必看！！！
├──  第2章 掌握未来AI趋势：RAG引领大语言模型新纪元/
│   ├── [1.1M]  2-1本章简介
│   ├── [4.5M]  2-2满足企业精准需求：RAG如何填补大语言模型短板
│   ├── [2.2M]  2-3解锁RAG三大核心
│   ├── [9.6M]  2-4深入思考longcontext加持的大模型企业还需要RAG
│   ├── [4.1M]  2-5RAG技术栈：从【合格】到【优秀】的跨越
│   ├── [7.1M]  2-6RAG人才为何炙手可热，你准备好了吗
│   ├── [3.9M]  2-7本课程案例分析与说明
│   └── [1.5M]  2-8【文档】运行和开发环境搭建.pdf
├──  第3章 【企业级专业选型】RAG核心一：挑选符合企业的【优秀】大语言基石模型/
│   ├── [2.2M]  3-1本章简介
│   ├── [ 31M]  3-2大模型入门：核心要点和技术演变（token、transformer、训练）
│   ├── [6.0M]  3-3国内外大模型产品必知必会
│   ├── [ 14M]  3-4没有GPU如何调用大模型-大模型调用的三种方式
│   ├── [9.4M]  3-5火眼金星：如何分辨大模型的好坏
│   ├── [3.8M]  3-6RAG应用：挑选大模型的四大步骤
│   ├── [ 16M]  3-7总结和展望：不同项目角色需要对AI大模型了解程度的差异性分析
│   ├── [ 32M]  3-8实战：使用大语言模型（本地和API、GPU和CPU）-1
│   └── [ 35M]  3-9实战：使用大语言模型（本地和API、GPU和CPU）-2
├──  第4章 【企业级专业选型】RAG核心二：挑选合适RAG的向量Embedding模型/
│   ├── [1.1M]  4-1本章介绍
│   ├── [5.0M]  4-2embedding模型的重要性
│   ├── [8.1M]  4-3embedding是怎么炼成的？
│   ├── [ 13M]  4-4主流中文embedding模型
│   ├── [6.4M]  4-5embedding模型排行榜靠谱不靠谱，如何选择
│   ├── [ 40M]  4-6实战：embedding模型加载和使用对比
│   └── [1.8M]  4-7本章总结
├──  第5章 【企业级专业选型】RAG核心三：企业级的向量数据库选型和高效使用/
│   ├── [1.3M]  5-1本章介绍
│   ├── [ 19M]  5-2全方位对比：主流向量数据库
│   ├── [2.5M]  5-3企业级向量数据库的要求
│   ├── [3.5M]  5-4向量数据库相似性搜索
│   ├── [ 27M]  5-5性能为王：探索向量数据索引优化技术
│   ├── [ 27M]  5-6实战：部署和使用企业级向量数据库（chroma和milvus）-1
│   ├── [ 27M]  5-7实战：部署和使用企业级向量数据库（chroma和milvus）-2
│   └── [3.7M]  5-8总结和展望：企业级应用的高可用性
├──  第6章 【企业员工智能问答助手-实现V1.0版】高效处理企业复杂业务数据/
│   ├── [1.2M]  6-1本章介绍
│   ├── [6.2M]  6-2复杂：企业数据复杂多样
│   ├── [6.0M]  6-3原则：垃圾进垃圾出，注重文档质量
│   ├── [ 14M]  6-4挑战：RAG如何读取多样性文档（文本、表格和布局分析）
│   ├── [ 20M]  6-5文档分块：递归文本分块和语义智能分块
│   └── [1.7M]  6-6本章总结
├──  第7章 【企业员工智能问答助手-实现V1.0版】搭建制度问答baseline RAG/
│   ├── [1.6M]  7-1本章介绍
│   ├── [4.6M]  7-2【企业员工制度问答助手】需求分析
│   ├── [2.1M]  7-3项目技术选型
│   ├── [3.6M]  7-4项目架构设计
│   ├── [ 35M]  7-5实战：实现制度问答模块RAGbaseline
│   └── [6.2M]  7-6总结和展望：转变思想，AI应用开发和传统软件开发的区别
└──  第8章 【企业员工智能问答助手-评估V1.0版】有效评估RAG是提升的关键/
    ├── [1.2M]  8-1本章介绍
    ├── [5.9M]  8-2RAG迭代的关键：评估
    ├── [1.3M]  8-3RAG评估的三大步骤
    ├── [ 33M]  8-4RAG评价神器：Ragas框架
    ├── [ 13M]  8-5实战：用Ragas评估制度问答模块的性能
    └── [3.7M]  8-6本章总结
└── 资料代码/