基于AI大模型的RAG技术应用开发实践

Mace Liu 查看讲师

百林哲咨询（北京）有限公司专家团队成员

曾任职BEA(中国)资深软件架构师，十余年的企业软件架构、开发和管理经验, 侧重于企业应用软件架构设计.主要负责客户大型项目的架构设计和研发。

浏览：1043次

详情 DETAILS

课程简介

大型语言模型（LLM）已经取得了显著的成功，尽管它们仍然面临重大的限制，特别是在特定领域或知识密集型任务中，在处理超出其训练数据或需要当前信息的查询时，常会产生“幻觉”现象。为了克服这些挑战，检索增强生成（RAG）通过从外部知识库检索相关文档chunk并进行语义相似度计算，增强了LLM的功能。通过引用外部知识，RAG有效地减少了生成事实不正确内容的问题。成为了目前基于LLM系统中最受欢迎的架构，有许多产品基于RAG构建，使RAG成为推动聊天机器人发展和增强LLM在现实世界应用适用性的关键技术。

本课程详细介绍了RAG技术的概述、框架以及基于大模型构建RAG的一些应用，帮助企业拓宽技术视野，提高AI系统的智能化水平。

课程收益

1、帮助学员深入了解RAG技术的基本概念、关键组件以及技术挑战；

2、帮助学员掌握在不同平台实战应用RAG技术；

3、帮助学员掌握掌握RAG技术框架与工具；

4、帮助学员提升AI应用开发能力

受众人群

各类软件企业和研发中心的程序员、软件设计师、架构师, 项目经理，业务架构师，公司管理者

课程周期

1天（6H）

课程大纲

标题	授课内容
一、RAG技术概述	1. RAG技术概述 2. 加载器和分割器 3. 文本嵌入和向量存储 4. 如何生成和存储Embedding 5. 检索器和多文档联合检索 6. RAG技术的关键挑战 7. 检索增强生成实践 8. RAG技术文档预处理过程 9. RAG技术文档检索过程
二、基于国内智谱 GLM实现RAG技术（低代码和零代码模式）	1. 使用智谱 GLM优化 RAG 程序 2. 使用 GLM4 清洗数据 3. 使用 GLM4 来结合 RAG 生成回答 4. 使用 GLM4 来评估你生成的回答 5. 使用 GLM4 来标注你的检索数据 6. 使用 GLM4 标注数据训练你的 Adapter 7. 基于智谱的RAG智能体
三、基于百度大模型实现RAG技术（低代码和零代码模式）	1. 使用百度大模型低代码实现RAG 程序 2. 百度千帆大模型 3. 百度开发Agent智能体 4. AgentBuilder 5. AppBuilder 6. 开发AI原生应用 7. 基于百度开发基于RAG知识库智能体
四、RAG技术框架	1. RAG技术框架概述 2. Langchain 3. Langchain-Chatchat 4. LLAMAIndex 5. QAnything 6. RAGFlow 7. FastGPT 8. Haystack
五、基于LangChain构建RAG应用	1. ⼤模型应⽤开发框架 LangChain 2. LangChain 是什么 3. 为什么需要 LangChain 4. LangChain 典型使⽤场景 5. LangChain 基础概念与模块化设计 6. LangChain 核⼼模块⼊⻔与实战 7. LangChain 的3 个场景 8. LangChain 的6 大模块 9. LangChain 的开发流程 10. 基于LangChain实现RAG技术
六、基于LlamaIndex构建RAG应用	1. LlamaIndex 原理和核心概念 2. LlamaIndex组件 3. LlamaIndex和基于RAG的AI开发 4. LlamaIndex开发示例
七、RAG Agent—通过Llamalndex实现检索增强生成	1. 提示工程、RAG与微调 2. 从技术角度看检索部分的Pipeline 3. 从用户角度看RAG流程 4. RAG和Agent 5. 通过Llamalndex的ReAct RAG Agent实现财报检索 6. 获取井加载电商的财报文件 7. 将财报文件的数据转换为向量数据 8. 构建查询引擎和工具 9. 配置文本生成引擎大模型