|
课程培训
|
RAG检索增强生成培训
培训目标：
· 掌握核心思想与价值：深入理解RAG解决大模型核心痛点（幻觉、知识滞后、可解释性差）的机制。 · 精通全栈技术组件：掌握从文档处理、向量检索、提示工程到系统评估的完整RAG技术链。 · 具备架构与优化能力：能够设计、实现并优化生产级RAG系统，解决其常见问题（如检索不准、上下文窗口限制）。 · 了解前沿与行业应用：熟悉RAG的进阶范式、开源工具栈，并能将其与具体业务场景（如智能客服、知识库问答、法律金融分析）相结合。 目标学员：
· AI/ML工程师、算法工程师 · 后端/全栈工程师（希望在其产品中集成RAG能力） · 数据科学家、NLP工程师 · 技术型产品经理、解决方案架构师 预备知识：
具备Python编程基础，了解机器学习基本概念，对大语言模型（LLM）有基本认知（如了解GPT系列）。 熟悉基本的信息检索或NLP知识更佳。 培训内容
一：RAG核心理念与架构基础
目标：建立对RAG技术的全局认知，理解其必要性与核心组件。 · 大模型的局限与RAG的诞生 o 大模型的核心痛点：幻觉、知识截止、无法访问私有/实时数据、计算成本高。 o RAG如何解决这些问题：将“记忆”外部化、增强可控性与可解释性。 · RAG基础架构与工作流程 o 索引阶段：从数据源到向量数据库的管道。 o 检索与生成阶段：Query -> 检索 -> 增强 -> 生成的端到端流程。 o RAG vs. 微调：两种知识注入范式的对比与选型。 · 技术组件全景图 o 文档加载器、文本分割器、嵌入模型、向量数据库、重排序器、大语言模型、提示模板。 二：核心组件深度解析与实现
目标：掌握每个组件的技术细节、选型标准和实现方法。 · 数据准备与分块 o 文档加载：PDF、Markdown、HTML、API等数据源处理。 o 分块策略：固定大小、递归分割、语义分割、文档感知分割。 o 元数据关联：为分块添加上下文信息，提升检索质量。 · 嵌入模型与向量检索 o 嵌入模型：Sentence-BERT、OpenAI text-embedding 等模型的选型与调优。 o 向量数据库：Chroma、Pinecone、Weaviate、Milvus/Qdrant的原理与实战。 o 检索算法：精确/近似最近邻搜索、混合检索（Hybrid Search）结合关键词（BM25）与语义搜索。 o 检索后处理：重排序（Re-ranking）技术提升Top-K结果精度。 · 提示工程与生成增强 o 基础提示模板：构建包含上下文、问题和指令的系统提示。 o 高级检索策略：多查询生成、HyDE（假设性文档嵌入）、子查询。 o 上下文管理：应对LLM的上下文窗口限制，关键信息压缩与选择性输入。 三：RAG系统进阶与生产化
目标：学习优化RAG性能，并构建健壮、可维护的生产系统。 · RAG的评估体系 o 评估指标：检索相关度（命中率、MRR）、生成质量（忠实度、答案相关度）、端到端质量（RAGAs框架）。 o 评估方法：人工评估、基于LLM的自动评估、A/B测试。 · RAG的高级范式与优化技巧 o 进阶架构：递归检索、自适应RAG、智能路由（Agentic RAG）。 o 查询优化：查询转换、扩展、改写。 o 多模态RAG：引入图像、表格等非文本数据的检索与生成。 · 生产级考量与工具链 o 架构设计：模块化、可观测性、监控（检索延迟、质量指标）。 o 开源框架实战：深入使用 LangChain 或 LlamaIndex 构建可复用的RAG管道。 o 成本与延迟优化：缓存策略、批处理、模型选择权衡。 四：行业应用与综合实战如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表下载请点击 服务优势： 丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。 专家力量： 中国科学院相关研究所高级研究人员 西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等 大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高 多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享 针对客户实际需要，真实案例演示，互动式沟通，学有所值 |
|
