一起学习

限时福利

点击图片，查看直播回放⬇️

你将获得

• 深度覆盖：一站搞定 Python 工程化到 LLM 企业级部署
• 广度兼容：数据预处理、RAG 检索优化、评估指标体系等
• 前沿融合：引入 Agent-RAG 架构设计与多模态综合处理
• 工程闭环：9 大真实行业案例，实战大模型优化与微调进阶

讲师介绍

尹会生，生成式 AI 与智能硬件融合创新者，大模型领域连续创业者 & 技术战略专家。

曾服务于金山、新浪等大型企业；研发有「生成式 AI 知识库+智能硬件」融合系统；国内首批大模型工业化应用实践者，创新性将 RAG 技术应用于智能制造领域，实现业务流程智能化升级，平均效能提升 30% 以上；工业自动驾驶系统架构师，基于点云与运动控制技术路径规划算法，获 2 项技术发明专利；当前聚焦打造新一代企业级 AI Agent 平台，通过自主知识产权的 RAG 引擎，助力金融、制造、法律、审计等领域客户实现知识资产智能化转型。

头部科技教育平台专家（极客时间/得到 APP），课程累计学习人数超 22 万人，出品《ACP 大模型认证训练营》《AIGC 应用实战营》《21 天 AIGC 行动营》《AI 数据分析课》《零基础学 Python》《Linux 实战技能 100 讲》《动手学 DeepSeek 22 讲》等多门爆款课程，广受好评；全栈技术实践者，横跨智能硬件研发、工业物联网架构、企业级 SaaS 开发三大领域；大模型应用布道者，年交付 1000+ 高管培训人天，独创的「场景化 Prompt 工程方法论」被多家机构纳入内部标准；企业智能化转型顾问，2023～2024 年为中金所/中国银联/华润集团/VMware/安永等 30+ 世界 500 强企业构建 AI 赋能体系。

课程介绍

在大模型应用落地日益深入的今天，RAG（Retrieval-Augmented Generation）技术已成为连接通用语言模型与垂直领域知识的关键桥梁 。它不仅能够显著提升模型在特定任务中的表现，还能有效解决模型幻觉、知识更新滞后、生成内容不准确等问题。

然而，在实际开发中，许多工程师和技术团队却常常陷入以下困境：

• 文档检索总是遗漏关键信息？
• 模型生成内容频繁出错，影响业务信任度？
• 提示词效果不稳定，难以形成标准化流程？
• 长文本输入导致推理卡顿，性能瓶颈难突破？
• 系统面对高频请求时响应迟缓，稳定性堪忧？
• RAG 整体效果如何评估？缺乏科学衡量标准？

这些问题的背后，是 RAG 技术栈中隐藏的工程挑战与性能瓶颈——而这些，正是我们为你打造这门课的核心出发点。

本课程是专为中级开发工程师、初入大模型领域的从业者量身打造的企业级 RAG 实战指南，聚焦于高性能、可落地的 RAG 系统构建与调优能力，帮助你在真实业务场景中实现从“会用”到“精通”的跨越。

课程以 Python 工程化 + LangChain等技术栈应用 + 开源企业级 RAG 平台实践为主线，贯穿数据预处理、模型选型、性能调优、多模态扩展、Agentic 架构设计、监控评估等多个核心环节，覆盖医疗问诊、智能客服、法律检索等典型行业场景。

你将亲手打造的实战项目包括：

• 高精度垂直领域检索系统
• 支持多跳推理的法律长文本问答系统
• 医疗领域的糖尿病问答引擎
• 可配置的 Agentic RAG 架构
• 图文混合检索引擎
• 高并发下的缓存与部署优化方案

通过大量实战案例与代码解析，可以帮助你在复杂场景中建立系统性认知，提升解决实际问题的能力，真正做到“知其然，更知其所以然”。

最终，不再让 RAG 成为“纸上谈兵”，这一次，让你真正拥有“落地能力”。

课程目录

适合人群

• 中级 Python 开发工程师
• 初级大模型 / NLP 开发工程师
• 希望转型 AI 工程落地的技术经理/架构师
• 对 RAG 系统、LLM 性能优化有实际需求的企业开发者