RAG项目实战

引言

今天给粉丝带来福利，报名学习得现金奖励！！！

项目实战

😊 一共9节课，每节课记录笔记打卡，100%获得🧧199元现金🧧！！没有数量限制！！！ 还送书~~~

大语言模型 (LLMs) 的应用面临的挑战有：领域知识的缺乏、信息准确性问题以及生成的虚假内容等。

检索增强生成 (RAG) 技术通过引入外部知识库等额外信息源，将传统信息检索技术与大语言模型技术相结合，为以上 LLMs 问题提供了全新的解决方案。

RAG 在多数任务中表现十分完美，但是在深度应用还有很多挑战。不过这也为算法工程师和科研人员提供了更多的研究和突破机会！

RAG 研究的发展趋势

扫描二维码了解详情 / 报名（送书👇）

😊 课程一共9节课，每节课记录笔记打卡，100%获得🧧199元现金🧧！！没有数量限制！！！还送书~~~
扫码 备注 csdn rag 报名送书

从零构建一个功能完备的 RAG 项目

为了让想进入大模型研究领域的同学顺利入门！理解 RAG 的基本概念和工作流程，掌握 RAG 模型的构建与应用，研梦非凡推出 《RAG 技术深入分析与实践》实战训练营！ 让同学们都能动手实战构建一个功能完备的 RAG 项目。本课程适合以下同学：

1. 对大模型感兴趣、希望学习如何使用 Langchain 构建高效的 RAG 系统的前后端开发工程师、算法工程师；

2. 对大模型应用感兴趣、对编程有一定基础、想进入大模型行业发展的在读本硕博学生！0 基础也可！

课程收获

1. 理解 RAG 的基本概念和工作流程，掌握 RAG 模型的构建与应用；

2. 精通 Langchain 的核心功能，包括如何部署 Langfuse、Milvus、LLM、Embedding；

3. 学会从多种数据源加载文档，并运用 Text Splitters 进行有效文本处理；

4. 掌握检索器的工作机制及其与向量存储的集成方法；

5. 能够评估 RAG 系统的有效性，并进行相应的优化与改进；

6. 实战构建一个功能完备的 RAG 项目，主要应用点有 Milvus 向量库、OpenAI 接口兼容的 LLM、部署嵌入和重排序模型、上网搜索能力、最后应用 Langfuse 进行跟踪。

《RAG 技术深入分析与实践》实战训练营课程大纲

第一节：RAG 简介（8 月 29 号）

1. RAG 核心概念

2. RAG 流水线 (调用 SiliconCloud)

3. 快速开始

第二节：Langchain 基础（9 月 5 号）

1. Langfuse 部署

2. Document

3. Runnable 接口

   • PromptTemplate

   • ChatModel

   • OutputParser

   • Retriever

   • OutputParser

第三节：Retrieval 基础

1. Document loaders

   • 加载 CSV 数据

   • 加载 HTML 数据

   • 加载 Markdown 数据

   • 加载 PDF 文件

   • 加载 URL

2. Text Splitters

   • 递归拆分文本

   • 拆分 HTML

   • 按字符拆分

   • 拆分代码

   • 按语义相似度拆分

3. Text embedding models

   • 自定义嵌入模型

第四节：检索器与 LCEL

1. Vector stores

   • 常见向量库的比较

2. Retrievers

3. LangChain Expression Language

第五节：RAG 的评估

1. RAGAs

2. 评估指标

   • 忠实度 (Faithfulness)

   • 答案相关性 (Answer relevancy)

   • 上下文精度 (Context precision)

   • 上下文召回率 (Context recal)

   • 上下文相关性 (Context relevancy)

3. 评估实战

第六节：高级 RAG(1)

1. MultiQueryRetriever

2. Contextual Compression Retriever

3. SelfQueryRetriever

4. MultiVectorRetriever

5. EnsembleRetriever

第七节：高级 RAG(2)

1. ParentDocumentRetriever

2. Hypothetical Queries

3. Hybrid Search

4. Rerank

5. Long-Context Reorder

第八节：RAG 项目实战 (1)

1. Milvus 向量库对接

2. LangGPT 提示语言

3. 增加记忆

第九节：RAG 项目实战 (2)

1. 查询重写

2. 增加上网功能

3. 简单前端实现

4. 总结

报名即送 价值 99 元大模型必读书籍《文本数据挖掘》（第 2 版），清华大学出版社出版，ACL/CAAI/CCFFellow、中国科学院大学教授著。