RAG應(yīng)用開發(fā)培訓(xùn)課程大綱
培訓(xùn)對象：
-
具備Python基礎(chǔ)的AI應(yīng)用開發(fā)工程師
-
希望構(gòu)建企業(yè)知識庫問答系統(tǒng)的技術(shù)負(fù)責(zé)人
-
需要解決大模型幻覺問題的算法工程師
-
智能客服/文檔問答/企業(yè)搜索系統(tǒng)開發(fā)者
培訓(xùn)目標(biāo)：
使學(xué)員系統(tǒng)掌握RAG（檢索增強生成）技術(shù)的核心原理與完整開發(fā)流程，從基礎(chǔ)架構(gòu)到高級優(yōu)化；熟練使用LangChain、LlamaIndex等主流框架構(gòu)建RAG應(yīng)用；深入理解文檔加載、切片、嵌入、檢索、重排序、生成的全鏈路設(shè)計與調(diào)優(yōu)；掌握RAG系統(tǒng)評估方法與生產(chǎn)級部署策略；能夠獨立開發(fā)企業(yè)知識庫問答、智能文檔處理等生產(chǎn)級RAG應(yīng)用，有效解決大模型幻覺問題，提升回答準(zhǔn)確性與可解釋性。
培訓(xùn)內(nèi)容介紹：
-
RAG技術(shù)原理與企業(yè)應(yīng)用價值
大模型的局限性：知識截止日期、幻覺問題、無法處理私有數(shù)據(jù)；RAG核心思想：檢索+生成雙階段架構(gòu)；RAG的技術(shù)演進(jìn)：Naive RAG → Advanced RAG → Modular RAG；RAG vs 微調(diào) vs 長上下文的技術(shù)選型對比；RAG在企業(yè)知識庫、智能客服、文檔分析等場景的應(yīng)用價值。
-
RAG應(yīng)用架構(gòu)與技術(shù)棧全景
標(biāo)準(zhǔn)RAG架構(gòu)詳解：索引階段（Indexing） + 檢索階段（Retrieval） + 生成階段（Generation）；RAG應(yīng)用模塊拆解：文檔加載器、文本分割器、嵌入模型、向量數(shù)據(jù)庫、檢索器、提示模板、大模型；主流開發(fā)框架對比：LangChain vs LlamaIndex；RAG開發(fā)環(huán)境搭建與工具鏈配置。
-
文檔加載與解析技術(shù)
多格式文檔加載器：PDF（PyPDF/PyMuPDF/PDFPlumber）、Word（python-docx）、Excel（pandas/openpyxl）、PPT（python-pptx）、HTML（BeautifulSoup）、Markdown；復(fù)雜文檔處理：表格提取、圖片OCR（Tesseract/EasyOCR）、掃描件解析；網(wǎng)頁抓取與處理：爬蟲基礎(chǔ)、HTML內(nèi)容清洗；非結(jié)構(gòu)化數(shù)據(jù)解析挑戰(zhàn)與解決方案。
-
文本分割（Chunking）策略與優(yōu)化
文本分割的核心挑戰(zhàn)：保持語義完整性 vs 控制塊大�。换A(chǔ)分割策略：按字符數(shù)/按段落/按遞歸字符；語義分割：基于句子邊界、基于文檔結(jié)構(gòu)（Markdown標(biāo)題/HTML標(biāo)簽）；高級分割：基于Embedding的語義聚類；不同文檔類型（代碼/表格/長文）的最佳分割實踐；塊大小與重疊（Overlap）參數(shù)的實驗調(diào)優(yōu)。
-
嵌入模型（Embedding）與向量化
嵌入模型原理：將文本映射到語義向量空間；主流嵌入模型對比：OpenAI嵌入/BGE/M3E/GTE/text2vec；多語言嵌入模型選擇（中文場景）；嵌入模型的本地部署與微調(diào)；批量向量化與異步處理；嵌入緩存策略提升性能。
-
向量數(shù)據(jù)庫選型與索引構(gòu)建
向量數(shù)據(jù)庫核心能力：相似性搜索、混合搜索、元數(shù)據(jù)過濾；主流向量數(shù)據(jù)庫對比：FAISS（本地）/Chroma（輕量）/Milvus（分布式）/PGVector（PostgreSQL擴(kuò)展）/Qdrant/Elasticsearch；向量索引類型：FLAT/IVF/HNSW；索引參數(shù)調(diào)優(yōu)：查詢速度與召回率的平衡；向量數(shù)據(jù)庫的部署模式：嵌入式 vs 服務(wù)化。
-
檢索策略與召回優(yōu)化
基礎(chǔ)檢索：相似度檢索（余弦相似度/歐氏距離/點積）；混合檢索：BM25全文檢索+向量檢索的加權(quán)融合；多路召回策略：從不同索引/不同字段并行召回；元數(shù)據(jù)過濾：基于文檔來源/時間/類別的精準(zhǔn)篩選；檢索參數(shù)調(diào)優(yōu)：召回數(shù)量（top-k）與相似度閾值設(shè)置；檢索結(jié)果的多樣性提升。
-
重排序（Re-ranking）技術(shù)
為什么需要重排序：向量檢索的局限性；重排序模型原理：Cross-Encoder vs Bi-Encoder；主流重排序模型：Cohere Rerank/BGE Reranker；重排序在RAG流程中的位置：檢索后、生成前；重排序效果評估與性能開銷平衡；上下文窗口管理與重排序結(jié)果截斷。
-
提示工程與查詢優(yōu)化
RAG場景下的提示詞設(shè)計原則：上下文注入+任務(wù)指令+格式約束；多輪對話中的上下文管理；查詢重寫（Query Rewriting）：原始問題的分解與擴(kuò)展；查詢路由：根據(jù)問題類型選擇不同知識庫；HyDE（Hypothetical Document Embeddings）技術(shù)：先生成假設(shè)文檔再檢索。
-
RAG系統(tǒng)評估與優(yōu)化
RAG評估的挑戰(zhàn)：生成質(zhì)量+檢索質(zhì)量雙重維度；RAG評估框架：RAGAS（Context Relevancy/Answer Faithfulness/Answer Relevance）、TruLens；檢索質(zhì)量指標(biāo)：命中率（Hit Rate）/平均倒數(shù)排名（MRR）/歸一化折損累積增益（NDCG）；生成質(zhì)量指標(biāo)：忠實度/相關(guān)性/有用性；構(gòu)建人工評估集與自動化測試流水線；RAG系統(tǒng)的持續(xù)優(yōu)化閉環(huán)。
-
生產(chǎn)級RAG應(yīng)用部署
高性能RAG架構(gòu)設(shè)計：異步處理、緩存策略、并發(fā)控制；流式輸出實現(xiàn)：Server-Sent Events（SSE）與WebSocket；RAG服務(wù)API封裝（FastAPI）；容器化部署（Docker + Kubernetes）；向量數(shù)據(jù)庫的高可用與備份；RAG系統(tǒng)的可觀測性：鏈路追蹤、指標(biāo)監(jiān)控、日志采集；成本優(yōu)化策略：Token用量監(jiān)控與緩存命中率提升。
-
綜合實戰(zhàn)：企業(yè)級知識庫問答系統(tǒng)開發(fā)
從零構(gòu)建一個完整的企業(yè)級RAG應(yīng)用：
-
需求分析：企業(yè)內(nèi)部文檔/政策/產(chǎn)品資料的智能問答場景
-
文檔處理流水線：支持多格式文檔上傳（PDF/Word/Excel），實現(xiàn)自動解析、智能分塊、向量化存儲
-
檢索優(yōu)化：實現(xiàn)混合檢索（BM25+向量）+重排序，提升召回準(zhǔn)確率
-
多輪對話設(shè)計：基于歷史上下文的問題重寫與意圖保持
-
引用溯源：答案生成的同時返回參考文檔來源，增強可信度
-
管理后臺：知識庫版本管理、問答效果監(jiān)控、人工標(biāo)注優(yōu)化
-
效果評估：構(gòu)建測試集，使用RAGAS評估系統(tǒng)性能
-
性能優(yōu)化：引入Embedding緩存、并行檢索、流式輸出
-
部署上線：Docker容器化+K8s部署，配置監(jiān)控告警
-
成果交付：可交互的企業(yè)知識庫問答系統(tǒng)，支持多用戶、多知識庫隔離
課程特色：
-
原理深度：深入剖析RAG各環(huán)節(jié)的技術(shù)原理與設(shè)計哲學(xué)，不僅教“怎么做”，更教“為什么”
-
全鏈路覆蓋：從文檔加載、切片、嵌入、檢索、重排序到生成，完整覆蓋RAG全流程
-
實戰(zhàn)驅(qū)動：基于真實企業(yè)文檔數(shù)據(jù)，手把手構(gòu)建生產(chǎn)級RAG應(yīng)用
-
效果導(dǎo)向：強調(diào)評估與優(yōu)化方法，確保RAG系統(tǒng)真正好用、可用
-
工程思維：融入生產(chǎn)環(huán)境部署考量，培養(yǎng)學(xué)員的工程化落地能力
如果您想學(xué)習(xí)本課程，請
預(yù)約報名
如果沒找到合適的課程或有特殊培訓(xùn)需求，請
訂制培訓(xùn)
除培訓(xùn)外，同時提供相關(guān)技術(shù)咨詢與技術(shù)支持服務(wù)，有需求請發(fā)需求表到郵箱soft@info-soft.cn,或致電4007991916
技術(shù)服務(wù)需求表點擊在線申請
服務(wù)特點：
海量專家資源，精準(zhǔn)匹配相關(guān)行業(yè)，相關(guān)項目專家，針對實際需求，顧問式咨詢，互動式授課，案例教學(xué)，小班授課，實際項目演示，快捷高效，省時省力省錢。
專家力量：
中國科學(xué)院軟件研究所，計算研究所高級研究人員
oracle,微軟，vmware，MSC,Ansys，candence,Altium,達(dá)索等大型公司高級工程師，項目經(jīng)理，技術(shù)支持專家
中科信軟培訓(xùn)中心，資深專家或講師
大多名牌大學(xué)，碩士以上學(xué)歷，相關(guān)技術(shù)專業(yè)，理論素養(yǎng)豐富
多年實際項目經(jīng)歷，大型項目實戰(zhàn)案例，熱情，樂于技術(shù)分享
針對客戶實際需求，案例教學(xué)，互動式溝通，學(xué)有所獲
