从基础到精通的 RAG 实战进阶路径

本课程聚焦检索增强生成（RAG）全栈技术，旨在解决大模型在垂直领域应用中"幻觉"频发和知识更新滞后的核心痛点。对于希望构建高精准企业级 AI 应用、或从单一模型调用转向复杂知识库架构的开发者，这门课提供了从底层向量存储到上层交互界面的完整解决方案。

适合人群与前置门槛

课程内容深度覆盖了从基础 RAG 到高级 Graph RAG 及 Agent 路由的演进，适合已掌握 Python 基础和 LLM 基本调用逻辑的学习者。建议优先学习前几章关于向量数据库构建与检索逻辑的内容，这是理解后续知识图谱融合与智能体路由的基础。需提前熟悉 PyTorch 与 HuggingFace 库，并具备基本的 SQL 与数据库操作能力，能独立完成数据清洗与向量化流程。

学习顺序与实战产出

建议按三条主线推进：基础检索章节解决文档切片与向量化问题；Graph RAG 章节引入 Neo4j 等图数据库，解决多跳推理与实体关系查询；Agent 路由章节利用 ReAct 框架实现多文档 RAG 路由器。学完本课程，应能独立搭建一套具备多源信息检索能力的知识库应用，从数据清洗、图谱构建到智能路由与界面整合全流程动手实操，并理解不同架构方案的适用场景与切换逻辑。

资料包配合练习

资料包中的实战视频与配套数据集是核心练习素材。建议以"金融智库"数据集为切入点，跟随视频逐步完成从知识三元组解析、图谱存储操作到 Graph RAG 应用构建的全流程。重点在动手过程中验证对向量检索、图数据库查询与智能体路由技术的理解，而非仅停留在理论讲解。每章末尾的总结展望部分也值得结合前沿动态反思技术选型，形成持续跟进的习惯。

课程目录

00.资料
00.资料.zip 122.89M
第10章 基于知识图谱【金融智库】：从RAG到Graph RAG，让企业知识图谱更智能
10-1 本章介绍_ev.mp4 4.17M
10-2 认识金融智库知识图谱数据：特别的知识三元组_ev.mp4 24.00M
10-3 如何存储和操作知识图谱：neo4j和nebulagraph_ev.mp4 29.23M
10-4 实战：动手构建金融智库知识图谱-1_ev.mp4 38.12M
10-5 实战：动手构建金融智库知识图谱-2_ev.mp4 45.11M
10-6 RAG和Graph RAG有什么区别：如何构建Graph RAG_ev.mp4 29.71M
10-7 实战：利用Graph RAG构建金融智库知识库应用_ev.mp4 64.07M
10-8 总结和展望：如何自我学习，跟进前沿技术_ev.mp4 15.19M
第11章 基于知识图谱【金融智库】：从RAG到agenticRAG，实现自动切换不同信息源
11-1 本章介绍_ev.mp4 1.99M
11-2 大模型的手脚：AI智能体Agent_ev.mp4 22.88M
11-3 推理和行动并行：ReAct框架_ev.mp4 8.67M
11-4 基于Agent的多文档RAG Router_ev.mp4 4.10M
11-5 实战：利用ReAc Agent实现 RAG Router_ev.mp4 37.76M
11-6 本章总结_ev.mp4 2.11M
第12章 【RAG扩展】企业员工助手-接口和界面开发
12-1 本章介绍_ev.mp4 1.84M
12-2 演示界面神器：gradio介绍_ev.mp4 18.45M
12-3 实战：gradio整合两大RAG项目（1）_ev.mp4 31.49M
12-4 实战：gradio整合两大RAG项目（2）_ev.mp4 46.01M
第13章 【RAG进阶】企业员工助手-项目进阶：RAG微调
13-1 本章介绍_ev.mp4 2.31M
第14章 企业员工助手-总结和展望
14-1 -1 项目总结和展望：课程回顾与总结_ev.mp4 20.59M
14-2 -2 项目总结和展望：课程总结与AI岗位面试技巧_ev.mp4 21.58M
第1章 课程学习必知——助你顺利学习以及避坑
1-1 全面了解课程，让你少走弯路，必看！！！_ev.mp4 26.88M
第2章 掌握未来AI趋势：RAG引领大语言模型新纪元
2-1 本章简介_ev.mp4 1.26M
2-2 满足企业精准需求：RAG如何填补大语言模型短板_ev.mp4 5.16M
2-3 解锁RAG三大核心_ev.mp4 2.39M
2-4 深入思考 long context加持的大模型企业还需要RAG_ev.mp4 10.51M
2-5 RAG技术栈：从【合格】到【优秀】的跨越_ev.mp4 4.55M
2-6 本课程案例分析与说明_ev.mp4 3.85M
2-7运行和开发环境搭建.pdf 2.13M
2-8课程机器配置要求说明.pdf 77.38kb
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
3-1 本章简介_ev.mp4 2.43M
3-10 【文档】如何通过ollama部署本地大模型-deepseek-r1.pdf 1.23M
3-11 实战：使用大语言模型（本地和API、GPU和CPU）-1_ev.mp4 37.03M
3-12 实战：使用大语言模型（本地和API、GPU和CPU）-2_ev.mp4 38.42M
3-2 大模型入门：核心要点和技术演变（token、transformer、训练）_ev.mp4 33.47M
3-3 国内外大模型产品必知必会_ev.mp4 6.50M
3-4 没有GPU如何调用大模型-大模型调用的三种方式_ev.mp4 15.08M
3-5 火眼金星：如何分辨大模型的好坏_ev.mp4 10.36M
3-6 RAG应用：挑选大模型的四大步骤_ev.mp4 4.11M
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_ev.mp4 17.12M
3-8 【文档】大语言模型如何下载.pdf 1.24M
3-9 【文档】星火大模型API使用.pdf 716.92kb
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
4-1 本章介绍_ev.mp4 1.04M
4-2 embedding模型的重要性_ev.mp4 5.44M
4-3 embedding是怎么炼成的？_ev.mp4 8.66M
4-4 主流中文embedding模型_ev.mp4 14.40M
4-5 embedding模型排行榜靠谱不靠谱，如何选择_ev.mp4 6.88M
4-6 【文档】embedding模型下载.pdf 118.72kb
4-7 实战：embedding模型加载和使用对比_ev.mp4 44.48M
4-8 本章总结_ev.mp4 2.01M
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
5-1 本章介绍_ev.mp4 1.57M
5-2 全方位对比：主流向量数据库_ev.mp4 21.00M
5-3 企业级向量数据库的要求_ev.mp4 2.92M
5-4 向量数据库相似性搜索_ev.mp4 4.06M
5-5 性能为王：探索向量数据索引优化技术_ev.mp4 29.41M
5-6 实战：部署和使用企业级向量数据库（chroma和milvus）-1_ev.mp4 32.28M
5-7 实战：部署和使用企业级向量数据库（chroma和milvus）-2_ev.mp4 29.99M
5-8 总结和展望：企业级应用的高可用性_ev.mp4 3.77M
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
6-1 本章介绍_ev.mp4 1.41M
6-2 复杂：企业数据复杂多样_ev.mp4 7.15M
6-3 原则：垃圾进垃圾出，注重文档质量_ev.mp4 6.51M
6-4 挑战：RAG如何读取多样性文档（文本、表格和布局分析）_ev.mp4 15.29M
6-5 文档分块：递归文本分块和语义智能分块_ev.mp4 21.75M
6-6 实战：实现制度问答模块数据读取和切割_ev.mp4 100.41M
6-7 本章总结_ev.mp4 1.91M
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
7-1 本章介绍_ev.mp4 1.79M
7-2 【企业员工制度问答助手】需求分析_ev.mp4 4.86M
7-3 项目技术选型_ev.mp4 2.20M
7-4 项目架构设计_ev.mp4 3.90M
7-5 实战：实现制度问答模块RAG baseline_ev.mp4 55.87M
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_ev.mp4 6.90M
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
8-1 本章介绍_ev.mp4 1.23M
8-2 RAG迭代的关键：评估_ev.mp4 6.53M
8-3 RAG评估的三大步骤_ev.mp4 1.48M
8-4 RAG评价神器：Ragas框架_ev.mp4 36.16M
8-5 实战：用Ragas评估制度问答模块的性能_ev.mp4 14.18M
8-6 本章总结_ev.mp4 3.89M
第9章 【企业员工智能问答助手-实现V2.0版】提升RAG的【14种】检索增强技能
9-1 本章介绍_ev.mp4 1.94M
9-10 总结和展望：关于企业里需要良好的代码规范和代码管理_ev.mp4 34.88M
9-11 实战：用检索增强技术提升制度问答模块性能-查询增强-1_ev.mp4 43.41M
9-12 实战：用检索增强技术提升制度问答模块性能-查询增强-2_ev.mp4 73.72M
9-13 实战：用检索增强技术提升制度问答模块性能-多索引增强_ev.mp4 53.58M
9-14 实战：用检索增强技术提升制度问答模块性能-融合检索_ev.mp4 17.33M
9-15 【文档】重排rerank模型如何下载.pdf 42.79kb
9-16 实战：用检索增强技术提升制度问答模块性能-rerank重排_ev.mp4 22.49M
9-17 实战：用检索增强技术提升制度问答模块性能-迭代检索增强生成_ev.mp4 18.39M
9-18 实战：用检索增强技术提升制度问答模块性能-self-RAG-1_ev.mp4 38.98M
9-19 实战：用检索增强技术提升制度问答模块性能-self-RAG-2_ev.mp4 48.83M
9-2 一图剖析RAG进化之路：探索优化点_ev.mp4 5.02M
9-3 检索的两大形态：稀疏 vs 稠密_ev.mp4 15.28M
9-4 查询增强：增加相关内容-Query2doc+ HyDE+子问题查询+问题改写+Task Step Back_ev.mp4 36.68M
9-5 多索引增强：从不同维度构建索引，强化相关内容_ev.mp4 15.67M
9-6 检索后增强：融合检索，三个臭皮匠顶一个诸葛亮_ev.mp4 13.13M
9-7 检索后增强：重排序技术(Re-rank)_ev.mp4 8.69M
9-8 系统性增强：迭代检索增强生成，从上一迭代收获信息_ev.mp4 13.56M
9-9 RAG新范式：自我评估增强Self-RAG_ev.mp4 17.30M
注意：资料密码未知RAG全栈技术从基础到精通 ，打造高精准AI应用/
第10章 基于知识图谱【金融智库】