返回课程
AI025
专业级
实用RAG系统：从知识库到检索增强生成
这些学生讲义从系统层面介绍了构建可用的检索增强生成（RAG）系统的视角。课程涵盖整个流程，包括数据摄入、分块策略、嵌入映射、向量存储、混合检索、重排序以及可信AI应用的评估。
5.0
15.0h
619 名学生
5 课时
0 点赞
人工智能
课程概述
内容概要
这些学生讲义从系统层面介绍了构建可用的检索增强生成（RAG）系统的思路。课程涵盖了整个流程，包括数据摄入、分块策略、嵌入映射、向量存储、混合检索、重排序以及可信人工智能应用的评估。
通过全面的 RAG 流水线方法，掌握构建基于证据的人工智能系统艺术。
作者： EvoClass
致谢： EvoClass 团队
学习目标
- 区分提示工程、微调与 RAG，为特定业务需求选择正确的工具。
- 描绘信息在 RAG 流水线中的流动路径，从用户查询到有依据的生成。
- 设计一个专业的数据摄入流水线，融入元数据、规范化和版本控制，以防止“弱数据”失效。
- 评估并实施根据具体领域需求定制的多样化分块策略（固定长度、结构感知、层次化）。
- 解释嵌入机制，阐明语义相似性与答案实用性之间的区别。
- 描述向量存储与索引的技术理论，重点关注检索速度（延迟）与准确率之间的权衡。
- 为大规模语料库（10万+分块）设计多阶段检索方案，包含元数据和过滤策略。
- 区分检索的目标（召回率）与重排序的目标（精确度/相关性）。
- 分析为何重排序对有效的大语言模型生成至关重要，以及它如何与分块设计相互作用。
- 设计上游元数据结构，支持自动化引用和版本感知的检索。