RAG全栈技术从基础到精通 ，打造高精准AI应用【完结，资料齐全】

.
├──  第1章 课程学习必知——助你顺利学习以及避坑/
│   └── [ 18M]  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/
│   ├── [ 12M]  2-1本章简介
│   ├── [ 14M]  2-2满足企业精准需求：RAG如何填补大语言模型短板
│   ├── [ 10M]  2-3解锁RAG三大核心
│   ├── [ 18M]  2-4深入思考longcontext加持的大模型企业还需要RAG
│   ├── [ 13M]  2-5RAG技术栈：从合格到优秀的跨越
│   ├── [ 12M]  2-6本课程案例分析与说明
│   └── [ 45M]  2-8课程环境安装过程演示
├──  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/
│   ├── [ 10M]  3-1本章简介
│   ├── [ 45M]  3-2大模型入门：核心要点和技术演变
│   ├── [ 15M]  3-3国内外大模型产品必知必会
│   ├── [ 25M]  3-4没有GPU如何调用大模型-大模型调用的三种方式
│   ├── [ 20M]  3-5火眼金星：如何分辨大模型的好坏
│   ├── [ 12M]  3-6RAG应用：挑选大模型的四大步骤
│   ├── [ 25M]  3-7总结和展望
│   ├── [ 42M]  3-11实战：使用大语言模型-1
│   └── [ 45M]  3-12实战：使用大语言模型-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/
│   ├── [ 10M]  4-1本章介绍
│   ├── [ 12M]  4-2embedding模型的重要性
│   ├── [ 15M]  4-3embedding是怎么炼成的
│   ├── [ 18M]  4-4主流中文embedding模型
│   ├── [ 13M]  4-5embedding模型排行榜靠谱不靠谱
│   └── [ 55M]  4-7实战：embedding模型加载和使用对比
├──  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/
│   ├── [ 10M]  5-1本章介绍
│   ├── [ 35M]  5-2全方位对比：主流向量数据库
│   ├── [ 12M]  5-3企业级向量数据库的要求
│   ├── [ 13M]  5-4向量数据库相似性搜索
│   ├── [ 40M]  5-5性能为王：探索向量数据索引优化技术
│   ├── [ 45M]  5-6实战：部署和使用企业级向量数据库-1
│   └── [ 45M]  5-7实战：部署和使用企业级向量数据库-2
├──  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/
│   ├── [ 10M]  6-1本章介绍
│   ├── [ 15M]  6-2复杂：企业数据复杂多样
│   ├── [ 15M]  6-3原则：垃圾进垃圾出，注重文档质量
│   ├── [ 25M]  6-4挑战：RAG如何读取多样性文档
│   ├── [ 35M]  6-5文档分块：递归文本分块和语义智能分块
│   └── [ 85M]  6-6实战：实现制度问答模块数据读取和切割
├──  第7章 企业员工智能问答助手-实现V1.0版搭建制度问答baselineRAG/
│   ├── [ 10M]  7-1本章介绍
│   ├── [ 12M]  7-2企业员工制度问答助手需求分析
│   ├── [ 10M]  7-3项目技术选型
│   ├── [ 10M]  7-4项目架构设计
│   └── [ 45M]  7-5实战：实现制度问答模块RAGbaseline
├──  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/
│   ├── [ 10M]  8-1本章介绍
│   ├── [ 15M]  8-2RAG迭代的关键：评估
│   ├── [ 10M]  8-3RAG评估的三大步骤
│   ├── [ 55M]  8-4RAG评价神器：Ragas框架
│   └── [ 25M]  8-5实战：用Ragas评估制度问答模块的性能
├──  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/
│   ├── [ 10M]  9-1本章介绍
│   ├── [ 15M]  9-2一图剖析RAG进化之路
│   ├── [ 25M]  9-3检索的两大形态：稀疏vs稠密
│   ├── [ 55M]  9-4查询增强：增加相关内容
│   ├── [ 25M]  9-5多索引增强
│   ├── [ 25M]  9-6检索后增强：融合检索
│   ├── [ 15M]  9-7检索后增强：重排序技术
│   ├── [ 20M]  9-8系统性增强：迭代检索增强生成
│   ├── [ 30M]  9-9RAG新范式：自我评估增强Self-RAG
│   ├── [ 55M]  9-11实战：查询增强-1
│   ├── [ 75M]  9-12实战：查询增强-2
│   ├── [ 65M]  9-13实战：多索引增强
│   ├── [ 25M]  9-14实战：融合检索
│   ├── [ 20M]  9-16实战：rerank重排
│   ├── [ 18M]  9-17实战：迭代检索增强生成
│   ├── [ 50M]  9-18实战：self-RAG-1
│   └── [ 50M]  9-19实战：self-RAG-2
├──  第10章 基于知识图谱金融智库：从RAG到GraphRAG/
│   ├── [ 15M]  10-1本章介绍
│   ├── [ 35M]  10-2认识金融智库知识图谱数据
│   ├── [ 45M]  10-3如何存储和操作知识图谱
│   ├── [ 50M]  10-4实战：构建金融智库知识图谱-1
│   ├── [ 55M]  10-5实战：构建金融智库知识图谱-2
│   ├── [ 50M]  10-6RAG和GraphRAG区别
│   └── [ 70M]  10-7实战：构建金融智库知识库应用
├──  第11章 基于知识图谱金融智库：从RAG到agenticRAG/
│   ├── [ 10M]  11-1本章介绍
│   ├── [ 40M]  11-2大模型的手脚：AI智能体Agent
│   ├── [ 15M]  11-3推理和行动并行：ReAct框架
│   ├── [ 12M]  11-4基于Agent的多文档RAGRouter
│   └── [ 40M]  11-5实战：利用ReAcAgent实现RAGRouter
├──  第12章 RAG扩展企业员工助手-接口和界面开发/
│   ├── [ 10M]  12-1本章介绍
│   ├── [ 35M]  12-2演示界面神器：gradio介绍
│   ├── [ 40M]  12-3实战：gradio整合两大RAG项目1
│   └── [ 55M]  12-4实战：gradio整合两大RAG项目2
├──  第13章 RAG进阶企业员工助手-项目进阶：RAG微调/
│   ├── [ 10M]  13-1本章介绍
│   ├── [ 35M]  13-2普通显卡也可以训练大模型
│   ├── [ 55M]  13-3大语言模型微调框架SWIFT
│   └── [ 15M]  13-4让Embedding更接近你的数据
└──  第14章 企业员工助手-总结和展望/
    ├── [ 40M]  14-1项目总结和展望：课程回顾
    └── [ 45M]  14-2项目总结和展望：AI岗位面试技巧
└── 本课程已完结