RAG 实战：从向量检索到企业级应用落地
这门课专为解决大模型落地“检索不准、回答幻觉、无法处理复杂文档”三大痛点设计。很多学习者卡在文本分块乱截、向量检索召回低效，或者连 PDF 表格都读不懂。课程不讲虚的，直接带你跑通从数据清洗、向量化存储到前端演示的全链路，让你真正理解如何让大模型“说人话”且“有据可依”，彻底告别只会调 API 的哑火状态。
适合零基础转岗与有基础查漏补缺
课程兼容不同背景，无需深厚算法背景也能听懂。如果你是转岗开发者或初学者，建议先死磕“文本分割粒度”和"Embedding 实战”，搞懂怎么把文档切成合适的小块存进向量库，这是地基；如果有基础想进阶，则必须重点攻克"RAG 高级进阶”、“混合检索”和"GraphRAG"。这里会深入讲解重排序模型、多路召回策略及知识图谱增强技术，补齐工程化落地的关键短板，让你从只会调用现成服务转变为能自主优化检索策略的工程师。
学完能独立搭建知识库与评估效果
学完这套内容，你应能独立配置 Python 运行环境，使用开源模型对 PDF、Excel 等非结构化数据进行清洗和向量化，并搭建本地向量数据库完成问答测试。更重要的是，你能通过评估指标对比不同检索策略的效果，甚至利用 Streamlit 快速封装成可交互的 Web 应用。配合课程附带的代码与数据资料，你无需额外寻找案例，即可完整复现企业级知识库项目，从原理推导到代码实战再到效果调优，每一步都有对应练习支撑，确保学完就能上手干活，直接产出可用的原型系统。
课程目录
10_10VectorStore向量存储与检索.mp4 38.13M 11_11Chrom向量数据库使用.mp4 41.88M 12_12向量数据库选型.mp4 36.82M 12_12向量数据 13_13RAG高级进阶实战.mp4 25.11M 14_14文本分割粒度.mp4 37.78M 15_15检索后排序.mp4 40.32M 16_16ReRanker模型.mp4 34.75M 17_17混合检索HybridSearch.mp4 46.07M 18_18RRF.mp4 22.65M 19_19PDF文档表格处理.mp4 65.95M 20_20GraphRAG基本介绍.mp4 79.00M 21_21实战一RAGWorkflowI作流详解.mp4 26.08M 22_22RAGVSFineTuning模型微调.mp4 12.05M 23_23大模型企业级业务场景落地方案实践.mp4 11.39M 24_24使用conda配置知识库项目Python环境.mp4 13.93M 25_25SentenceTransformer大模型详解.mp4 18.54M 26_26Embedding文本向量化处理实战.mp4 22.85M 27_27InternLM218BQwen25I05B模型实战.mp4 30.47M 28_28知识库模型问答测试与实际效果评估.mp4 31.99M 29_29使用Llamalndex创建知识库实战.mp4 41.91M 30_30使用Streamlit创建Web应用实战.mp4 39.95M 30_30使用Streamlit创建Web应用实战_20250315_224845.mp4 39.95M 31_31程序员大模型学习最佳实践.mp4 77.38M 32_32实战二什么叫预训练好的大模型.mp4 38.29M 33_33大模型的局限性及解决方案.mp4 21.71M 34_34rag外挂私有知识库.mp4 21.00M 35_35Indexing.mp4 22.07M 36_36检索和生成.mp4 24.48M 37_37finetuning微调.mp4 49.06M 38_38增量训练pretrainging.mp4 38.98M 39_39functioncalling调用企业.mp4 65.81M 1、RAG工作原理.mp4 8.30M 2_2大模型目前固有的局限性.mp4 44.05M 3_3检索增强生成.mp4 39.77M 4_4文档的加载与切割.mp4 36.53M 5_5LLM接口封装.mp4 30.00M 6_6Prompt模版.mp4 25.87M 7_7什么是向量.mp4 42.14M 8_8文本向量.mp4 56.19M 9_9文本向量是怎么得到的选.mp4 87.49M 2025最新版大模型RAG入门到精通实战教程/
