RAG全栈技术从基础到精通 ，打造高精准AI应用「已完结」

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

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/

[1.8M] 9-1本章介绍

[5.1M] 9-2一图剖析RAG进化之路：探索优化点

[ 14M] 9-3检索的两大形态：稀疏vs稠密

[ 33M] 9-4查询增强：增加相关内容-Query2doc+HyDE+子问题查询+问题改写+TaskStepBack

[ 14M] 9-5多索引增强：从不同维度构建索引，强化相关内容

[ 12M] 9-6检索后增强：融合检索，三个臭皮匠顶一个诸葛亮

[7.9M] 9-7检索后增强：重排序技术(Re-rank)

[ 12M] 9-8系统性增强：迭代检索增强生成，从上一迭代收获信息

[ 16M] 9-9RAG新范式：自我评估增强Self-RAG

[ 32M] 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

[ 38M] 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

[ 52M] 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

[ 46M] 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

[ 13M] 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

it资源网ukoou.com

[ 46K] 9-15[文档]重排rerank模型如何下载.pdf

[ 16M] 9-16实战：用检索增强技术提升制度问答模块性能-rerank重排

[ 12M] 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

[ 34M] 9-18实战：用检索增强技术提升制度问答模块性能-self-RAG-1

[ 36M] 9-19实战：用检索增强技术提升制度问答模块性能-self-RAG-2

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/

[4.3M] 10-1本章介绍

[ 22M] 10-2认识金融智库知识图谱数据：特别的知识三元组

[ 26M] 10-3如何存储和操作知识图谱：neo4j和nebulagraph

[ 33M] 10-4实战：动手构建金融智库知识图谱-1

[ 38M] 10-5实战：动手构建金融智库知识图谱-2

[ 27M] 10-6RAG和GraphRAG有什么区别：如何构建GraphRAG

[ 53M] 10-7实战：利用GraphRAG构建金融智库知识库应用

[ 14M] 10-8总结和展望：如何自我学习，跟进前沿技术

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/

[1.9M] 11-1本章介绍

[ 21M] 11-2大模型的手脚：AI智能体Agent

[8.0M] 11-3推理和行动并行：ReAct框架

[3.7M] 11-4基于Agent的多文档RAGRouter

[ 30M] 11-5实战：利用ReAcAgent实现RAGRouter

[2.0M] 11-6本章总结

第12章 [RAG扩展]企业员工助手-接口和界面开发/

[1.8M] 12-1本章介绍

[ 17M] 12-2演示界面神器：gradio介绍

[ 28M] 12-3实战：gradio整合两大RAG项目（1）

[ 39M] 12-4实战：gradio整合两大RAG项目（2）

[130K] 12-5RAGPipelineAPI接口文档-[简介&fastapi介绍].pdf

[ 93K] 12-6RAGPipelineAPI接口文档-[环境准备&API接口说明].pdf

[130K] 12-7RAGPipelineAPI接口文档-[使用示例].pdf

第13章 [RAG进阶]企业员工助手-项目进阶：RAG微调/

[2.2M] 13-1本章介绍

[ 21M] 13-2普通显卡也可以训练大模型：揭开Lora微调的面纱

[ 32M] 13-3新手也可以微调：大语言模型微调框架SWIFT

[8.0M] 13-4让Embedding更接近你的数据：用llamaindex微调embedding模型

[3.5M] 13-5本章总结

第14章 企业员工助手-总结和展望/

[ 19M] 14-1-1项目总结和展望：课程回顾与总结

[ 19M] 14-2-2项目总结和展望：课程总结与AI岗位面试技巧

资料代码/