欢迎来到“RAG 大师：终极检索 – 增强一代课程”！

本课程深入探讨了检索增强一代 （RAG） 系统的世界。如果您的目标是构建强大的 AI 驱动型应用程序并利用语言模型，那么本课程非常适合您！非常适合希望掌握开发基于智能检索的应用程序所需技能的任何人。

本实践课程将指导您了解 RAG 架构的核心概念，探索各种框架，并提供构建高级 RAG 系统的透彻理解和实践经验。

立即注册，迈出掌握 RAG 系统的第一步！

 # 您将学到什么：

• 开发基于 LLM 的应用程序：了解大型语言模型 （LLMs，并探索有助于由检索和生成任务提供支持的高级框架，

• 优化和扩展 RAG 管道：了解使用 LangChain 优化和扩展 RAG 管道的最佳实践，包括索引、分块和检索优化技术。

• 高级 RAG 技术：使用检索前和检索后优化技术增强 RAG 系统，并通过查询转换和分解学习检索优化，

• 记录转换器和分块策略：了解智能文本划分、处理大型数据集以及改进文档索引和嵌入的策略。

• 调试、测试和监控 LLM 应用程序：使用 LangSmith 调试、测试和监控 LLM 应用程序，评估 RAG 管道的每个组件。

• 构建多代理LLM 驱动的应用程序：使用 LangGraph 开发复杂的有状态应用程序，使多个代理协作处理数据检索和生成任务。

• 增强的 RAG 质量：学习处理非结构化数据，从 PDF 文件中提取表格和图像等元素，并集成 GPT-4 Vision 来识别和描述图像中的元素。

 # 包括什么？

1. 入门：简介和设置

• Python 开发环境设置

• 实施从基本到高级的 RAG 管道

• 快速入门：使用 OpenAI 构建您的第一个 LLM 驱动的应用程序

  • 分步 OpenAI 创建集成 ChatOpenAI API 以生成文本和消息的基本应用程序的指南

2. RAG：从原生 （101） 到高级 RAG

• 使用 LLMs

• RAG 管道和多个使用案例的概述和理解

• 动手项目：使用 LLMs、LangChain 和 FAISS 矢量数据库实现基本的 RAG 问答系统

• [项目] – 使用 FAISS 和 ChromaDB 等工具构建端到端的 RAG 解决方案

3. 高级RAG技术和策略

• 使用检索前和检索后优化技术增强 RAG 系统

• 索引和分块优化技术

• 使用查询转换和分解进行检索优化

4. 优化的RAG：文档转换器和分块策略

• 用于处理大型数据集和扩展应用程序的智能文本划分策略

• 改进文档索引和嵌入

• 尝试使用常用的文本拆分器：

  • 使用固定大小参数按字符拆分为块

  • 按字符递归拆分

  • 使用 LangChain 进行语义分块，根据文本相似度拆分为句子

5. LangSmith：调试、测试和监控 LLM 应用程序

• 评估 RAG 管道的每个组件

• 开发一个全面的项目：使用 LangGraph 的多智能体 LLM 驱动的应用程序

6. 增强的 RAG 质量：传统 RAG 与结构化 RAG

• 学习处理非结构化数据以促进 LLMs

• 通过一个项目进行练习，该项目旨在从 PDF 文件中提取表格和图像等元素，并集成 GPT-4 Vision 来识别和描述图像中的元素

额外材料：评估问题、可下载资源、互动游乐场 （Google Colab）

# 这门课程适合谁？

• Python 开发人员：希望使用高级库和 API 利用语言模型构建 AI 驱动型应用程序的个人

• ML 工程师：希望提高 RAG 技术技能的专业人士

• 学生和学习者：渴望深入了解 RAG 系统世界并获得实际示例实践经验的个人

• 科技企业家和 AI 爱好者：任何寻求创建基于检索的智能应用程序并探索 AI 新商机的人

无论您是初学者还是高级从业者，本课程都将通过案例研究和真实示例提升您构建智能高效的 RAG 管道的能力。

本课程提供了 RAG 架构主要概念的全面指南，提供了从基础到高级技术的结构化学习路径，确保有深入的理解，从而获得构建 LLM。

立即开始您的学习之旅，改变您开发基于检索的应用程序的方式！