描述
课程介绍
大型语言模型（LLMs）发展迅速，但仍然面临知识时效性、幻觉以及数据安全等问题，在此背景下，RAG（检索增强生成）技术逐渐走入大众视野。作为大语言模型规模化应用中最具有潜力的方向之一，RAG 已经成为了大模型应用方向相关岗位的必备技能点。
此外，传统开发者加入这波 AI 浪潮，最快的路线就是 RAG。因为在所有与 AI 相关的项目里，RAG 的门槛最低，对传统开发者最友好。
然而，初学者想要学习和落地 RAG 仍然会遇到不少困难。常常会有这样的疑问：
- 我想尝试用 RAG 改造手里的项目，但如何找到其业务价值，寻求相关支持？
- 什么样的 RAG 项目门槛低，能够快速上手？
- RAG 具体落地的时候，都需要考虑哪些因素？
- 怎样评估和持续优化 RAG 应用质量？
为此，我们邀请了 RAG 技术专家叶伟民老师，推出这门对初学者更友好的 RAG 实战课，让你能在学习过程中少一些迷茫困惑，用最为简单省力的方式快速上手 RAG 应用开发。
课程设计
为了帮你循序渐进掌握 RAG 里的核心原理与关键技术，最终有能力自己开发和优化 RAG 应用，课程精心设计了四个篇章。
热身赛
只需掌握两个最基础的概念——对话模式和返回结构化数据，我们就可以引入 RAG 改造传统 MIS 系统了。这个案例业务价值比较高，同时技术难度最低，能够让你快速上手。
初级篇
初级篇我们会从 0 到 1 开启一个全新的 RAG 项目，一起开发一个 AI 读报小助手。在前一章基础上，我们会深入学习三个重要概念——元数据、文本摘要、机器翻译。
中级篇
动手实现一个支持模糊检索的工单辅助系统（其实这个项目相当于面向公司内部的客服系统）。在锻炼 RAG 开发能力的同时，又可以产出一定的业务价值。这一章涉及的重要技术点包括向量与嵌入模型、向量数据库、通过相似度来检索知识。
马拉松
授人以鱼，不如授人以渔，最后一章我们将学习 RAG 应用的评估与改进方法，掌握 RAG 应用的优化方案。这一章我们将会探讨 LangChain、LlamIndex 等 RAG 框架，还会了解 GraphRAG 等 13 种 RAG 前沿技术，以及如何借鉴这些先进技术的长处，持续提升自己的 RAG 应用质量。
课程配套代码仓库（随课程更新）：https://github.com/weiminye/time-geekbang-org-rag
课程目录
订阅须知
- 订阅成功后，推荐通过“极客时间”App 端、Web 端学习。
- 本专栏为虚拟商品，交付形式为图文 + 音频，一经订阅，概不退款。
