所有课程

检索增强生成 (RAG) 入门

章节 1: 检索增强生成技术简介

标准大型语言模型的局限性

什么是检索增强生成（RAG）？

RAG系统的核心架构

RAG 对比微调：理解其差异

使用RAG的优势

第 1 章测验

章节 2: 检索组件

检索器在 RAG 中的作用

向量嵌入简介

常用嵌入模型

相似性搜索：查找相关向量

向量数据库简介

选择向量数据库：考量因素

实践：生成文本嵌入

第 2 章测验

章节 3: 准备检索所需数据

从不同来源加载文档

文档分块的必要性

固定大小分块策略

内容感知的分块方法

数据块的元数据关联

将处理后的数据存储到向量数据库中

动手实践：文档分块

第 3 章测验

章节 4: 生成模块与增强

生成器（LLM）在RAG中的作用

RAG提示词的结构化

上下文注入方法

管理上下文长度限制

生成最终回复

生成内容中的来源归属

第 4 章测验

章节 5: 搭建一个基本RAG流程

RAG 框架概述 (例如 LangChain、LlamaIndex)

实现检索器

实现生成器集成

结合检索与生成

在流程中执行查询

动手实践：端到端RAG系统

第 5 章测验

章节 6: RAG系统的评估与改进

评估RAG的挑战

组件层面的评估：检索

组件级别评估：生成

端到端RAG评估框架

常见故障模式

改进的基本策略

实践：分析RAG输出质量

第 6 章测验

检索增强生成 (RAG) 入门

学习检索增强生成 (RAG) 的基础，以提升大型语言模型 (LLM) 的表现。本课程讲解构建 RAG 系统所需的核心组成部分、架构及实现步骤。您将获得连接外部知识来源至生成模型的实践经验。

先修课程 Python 基础与 LLM 基本原理。

级别:

中级

RAG 基本原理
理解 RAG 的设计缘由及其核心架构。
信息检索
掌握检索器组件的作用以及查找相关信息的技巧。
向量嵌入与数据库
学习文本如何向量化并存储以实现高效检索。
生成增强
理解如何将检索到的上下文与 LLM 提示词结合。
基础 RAG 管道实现
使用标准库和模型构建一个简单的 RAG 系统。
RAG 数据准备
学习文档分块和准备以供检索的技巧。

本课程没有先修课程。

目前没有推荐的后续课程。

登录以撰写评论

分享您的反馈以帮助其他学习者。

© 2026 ApX Machine Learning用心打造