RAG 实战进阶：超越基础的检索增强生成系统构建

从原理到落地，全面掌握高质量 Chat with Documents 的 RAG 架构

学习内容：

• 什么是 RAG（Retrieval-Augmented Generation）以及为什么我们需要 RAG
• RAG 应用的完整技术架构与工作流程解析
• Embedding 模型原理与向量数据库的选择与使用
• PDF 文档加载、解析与文本处理策略
• Chunking 的底层逻辑与 Chunk Size 的工程权衡
• RAG 中的检索机制与信息召回流程
• 端到端 RAG Pipeline 的完整代码实现
• RAG 高级技术：重排序（Re-ranking）、查询扩展（Query Expansion）
• 使用 GPT-4、ColBERT、Cohere 进行高精度重排序
• 假设文档嵌入（HyDE）提升召回质量
• 集成多检索策略的 Ensemble 技术
• 层级切分（Hierarchical Chunking）与父文档检索器设计
• 将 Notebook 项目转化为可运行脚本
• 使用 Streamlit 构建可视化 Chat with Documents 应用

本课程包括

• 共 27 节课程
• 约 2.5 小时高清视频内容
• 从基础到进阶的完整 RAG 项目实战
• 涵盖云端模型与本地大模型两种实现路径

价格：$199 美元

教程语言：英文

教程字幕：中英字幕

课程要求：

• 具备基础 Python 编程能力
• 对大语言模型（LLM）或 AI 应用开发有兴趣
• 无需提前掌握 RAG 或 LangChain 经验

课程描述：

本课程专注于 Retrieval-Augmented Generation（RAG）的“为什么”和“如何做”，
不仅讲解理论原理，更强调工程实践与系统设计思维。
你将从零开始构建一个可用于真实业务场景的 Chat with Documents 应用，
深入理解向量检索、重排序、查询增强等关键技术，
并最终完成一个具备 GUI 界面的完整 RAG 系统。

B站免费课程

更多 人工智能 教程