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：
-
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；
-
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
-
理解 RAG 的基本概念和工作流程，掌握 RAG 模型的构建与应用；
-
精通 Langchain 的核心功能，包括如何部署 Langfuse、Milvus、LLM、Embedding；
-
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；
-
掌握检索器的工作机制及其与向量存储的集成方法；
-
能够评估 RAG 系统的有效性，并进行相应的优化与改进；
-
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）
-
RAG 核心概念
-
RAG 流水线 (调用 SiliconCloud)
-
快速开始
第二节：Langchain 基础（9 月 5 号）
-
Langfuse 部署
-
Document
-
Runnable 接口
-
PromptTemplate
-
ChatModel
-
OutputParser
-
Retriever
-
OutputParser
-
第三节：Retrieval 基础
-
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
-
-
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
-
-
Text embedding models
- 自定义嵌入模型
第四节：检索器与 LCEL
-
Vector stores
- 常见向量库的比较
-
Retrievers
-
LangChain Expression Language
第五节：RAG 的评估
-
RAGAs
-
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)
-
-
评估实战
第六节：高级 RAG(1)
-
MultiQueryRetriever
-
Contextual Compression Retriever
-
SelfQueryRetriever
-
MultiVectorRetriever
-
EnsembleRetriever
第七节：高级 RAG(2)
-
ParentDocumentRetriever
-
Hypothetical Queries
-
Hybrid Search
-
Rerank
-
Long-Context Reorder
第八节：RAG 项目实战 (1)
-
Milvus 向量库对接
-
LangGPT 提示语言
-
增加记忆
第九节：RAG 项目实战 (2)
-
查询重写
-
增加上网功能
-
简单前端实现
-
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。
