51cto AI大模型RAG项目实战课|西瓜老师

课程介绍：
]适合人群：

适合所有对大模型技术感兴趣的同学

你将会学到：

精通商业级 RAG 系统设计，学员将具备设计复杂、高效率的商业级 RAG 系统的技能

课程目录：
第1章RAG开发基础(1小时7分钟8节)

1-1课程介绍[09:06]
1-2RAG 流程详细剖析[07:54]
1-3大模型应用落地痛点剖析[04:26]
1-4RAG 关键问题剖析[07:17]
1-5RAG 架构演进之Naive RAG[04:18]
1-6RAG 架构演进之Advanced RAG[19:50]
1-7微调 和 RAG 方案选型[08:09]
1-8RAG 的应用落地场景[06:58]

第2章LangChain全面剖析(8小时53分钟54节)

2-1LangChain总体架构设计之什么是LangChain[15:05]
2-2LangChain总体架构设计之LangChain总体架构剖[12:55]
2-3LangChain总体架构设计之RAG架构支持[08:10]
2-4LangChain总体架构设计之Agent架构支持[05:47]
2-5LangChain总体架构设计之核心API设计剖析[03:51]
2-6Model IO之贯穿整个课程的业务场景引入[16:25]
2-7Model IO之LangChain官网介绍[17:41]
2-8Model IO之Model IO总体概述[08:17]
2-9Model IO之模型调用API实践[14:30]
2-10Model IO之Prompts使用str.format构建[09:52]
2-11Prompts使用Few-Shot构建模版[11:07]
2-12Model IO之Prompts使用ExampleSelec[15:44]
2-13Model IO之Prompts使用ExampleS[09:09]
2-14Model IO之Prompts使用自定义示例器构建[08:45]
2-15Model IO之Output Parser[12:08]
2-16Model IO之Ollama工具部署和私有模型部署[09:18]
2-17Model IO之LangChain调用私有模型[05:05]
2-18Model IO之大模型外部函数调用流程剖析[11:25]
2-19Model IO之LangChain调用在线模型的外[14:12]
2-20Model IO之自定义关于外部函数的解析器[05:03]
2-21Model IO之LangChain调用开源模型的外[07:34]
2-22Chains之设计理念和意义[13:07]
2-23Chains之基于LCEC语言构建的Chains[23:55]
2-24Chains之历史的Chains中的最简单的Chai[08:29]
2-25Chains之历史的Chains中的SimpleSe[08:04]
2-26Chains之历史的Chains中的Sequenti[08:34]
2-27Chains之历史的Chains中的RouterCh[16:45]
2-28Chains之全链路中实现调用天气函数[09:15]
2-29Chains之全链路中实现调用gp信息函数[06:11]
2-30Chains之全链路中实现全流程跑通[10:41]
2-31Memory之为什么会出现Memory模块？[06:50]
2-32Memory之如何自定义Memory功能？[11:13]
2-33Memory之自定义实体识别的Memory功能[09:20]
2-34Memory之内置模块ConversationBuf[05:39]
2-35Memory之内置模块ConversationBuf[05:40]
2-36Memory之内置模块Entity[07:34]
2-37Memory之内置模块单独使用Memory[06:12]
2-38Memory之内置模块ConversationSum[05:49]
2-39Agents之Agent架构的意义[15:47]
2-40Agents之Chains模块的优劣势[13:29]
2-41Agents之LangChain Agents的设计[11:30]
2-42Agents之自定义 Agents[10:56]
2-43Agents之LangChain提供的抽象[04:54]
2-44Agents之自定义ReAct方式的Agents[10:36]
2-45Agents之LangChain提供的ReAct A[04:22]
2-46Agents之LangChain提供的XML Age[11:48]
2-47LangChain升级说明[02:06]
2-48Retrieval之设计理念和意义[10:38]
2-49Retrieval之loader[12:32]
2-50Retrieval之Transformers[15:22]
2-51Retrieval之Embedding Model[04:22]
2-52Retrieval之vector store[06:45]
2-53Retrieval之Retrievers[05:07]
2-54LangChain API总结与展望[07:26]

第3章 高性能RAG商业知识库项目实战 (10小时45分钟 73节)

3-1高性能知识库之需求分析(上)[05:50]
3-2高性能知识库之需求分析(下)[06:16]
3-3高性能知识库之架构设计[10:26]
3-4高性能知识库之详细设计-知识管理平台[05:16]
3-5高性能知识库之详细设计-智能对话[04:43]
3-6高性能知识库之详细设计-知识库[05:31]
3-7高性能知识库之详细设计-联网在线问答[02:56]
3-8高性能知识库之详细设计-问答推荐[04:21]
3-9高性能知识库之详细设计-基于Agent的RAG[03:14]
3-10高性能知识库之技术选型[12:13]
3-11高性能知识库之资源评估[05:48]
3-12高性能知识库之代码落地-开发目标和环境准备(1)[09:25]
3-13高性能知识库之代码落地-本地连接远程服务器(2)[07:25]
3-14高性能知识库之代码落地-虚拟环境创建和依赖安装(3)[06:19]
3-15高性能知识库之代码落地-项目运行(4)[04:59]
3-16高性能知识库之代码落地-项目测试(5)[07:32]
3-17高性能知识库之代码落地-开源模型部署(6)[14:26]
3-18高性能知识库之代码落地-智能问答流程开发目标(1)[05:50]
3-19高性能知识库之代码落地-智能问答项目启动和测试(2)[15:16]
3-20高性能知识库之代码落地-智能问答表结构梳理(3)[08:43]
3-21高性能知识库之代码落地-智能问答多进程，多线程和异步[07:00]
3-22高性能知识库之代码落地-智能问答模型管理原理(5)[07:50]
3-23高性能知识库之代码落地-智能问答模型管理流程演示(6[13:36]
3-24高性能知识库之代码落地-智能问答服务启动流程剖析(7[11:21]
3-25高性能知识库之代码落地-智能问答用户请求流程剖析(8[12:05]
3-26高性能知识库之代码落地-智能问答浏览器推流技术(9)[03:53]
3-27高性能知识库之代码落地-知识管理开发目标和表结构设计[09:59]
3-28高性能知识库之代码落地-知识管理开发向量数据库选型[06:32]
3-29高性能知识库之代码落地-知识管理开发代码设计(上)[18:29]
3-30高性能知识库之代码落地-知识管理开发代码设计(下)[05:48]
3-31高性能知识库之代码落地-知识管理亿级wiki语料数据[13:40]
3-32高性能知识库之代码落地-知识管理亿级wiki语料数据[11:50]
3-33高性能知识库之代码落地-知识管理私有PDF文件处理方[04:45]
3-34高性能知识库之代码落地-知识管理私有PDF文件处理([08:40]
3-35高性能知识库之代码落地-知识管理私有PDF文件处理([11:41]
3-36高性能知识库之代码落地-知识管理全流程代码剖析[14:06]
3-37高性能知识库之代码落地-知识管理数据验证[02:33]
3-38高性能知识库之代码落地-基于知识库问答流程复现[11:06]
3-39高性能知识库之代码落地-基于知识库RAG代码剖析[10:38]
3-40高性能知识库之代码落地-效果评估方案选型[09:05]
3-41高性能知识库之代码落地-效果评估关键指标剖析[02:41]
3-42高性能知识库之代码落地-效果评估工具Trulens演[12:57]
3-43高性能知识库之代码落地-效果评估工具Ragas演示[18:33]
3-44高性能知识库之代码落地-效果评估工具自研代码设计思路[05:18]
3-45高性能知识库之代码落地-效果评估工具自研数据处理代码[17:30]
3-46高性能知识库之代码落地-效果评估工具自研提示词模板代[05:35]
3-47高性能知识库之代码落地-效果评估工具自研检索器代码实[05:43]
3-48高性能知识库之代码落地-效果评估工具自研检索器代码实[14:47]
3-49高性能知识库之代码落地-效果评估工具自研模型管理代码[12:00]
3-50高性能知识库之代码落地-效果评估工具自研指标定义代码[09:06]
3-51高性能知识库之代码落地-效果评估工具自研代码测试[06:51]
3-52高性能知识库之代码落地-rerank算法原理[08:13]
3-53高性能知识库之代码落地-rerank算法效果复现[09:14]
3-54高性能知识库之代码落地-rerank算法代码实现[06:29]
3-55高性能知识库之代码落地-联网问答开发目标[07:10]
3-56高性能知识库之代码落地-联网问答搜索工具介绍[02:42]
3-57高性能知识库之代码落地-联网问答实时检索流程代码开发[13:50]
3-58高性能知识库之代码落地-联网问答Docker安装部署[08:59]
3-59高性能知识库之代码落地-联网问答Milvus安装部署[08:45]
3-60高性能知识库之代码落地-联网问答数据入库代码设计[14:29]
3-61高性能知识库之代码落地-联网问答效果复现[11:31]
3-62高性能知识库之代码落地-联网问答流程代码落地[17:15]
3-63高性能知识库之代码落地-问答推荐开发目标(1)[06:41]
3-64高性能知识库之代码落地-问答推荐数据特征工程(2)[18:59]
3-65高性能知识库之代码落地-问答推荐效果复现之特征工程([05:46]
3-66高性能知识库之代码落地-问答推荐效果复现之数据入库([03:25]
3-67高性能知识库之代码落地-问答推荐效果复现之服务测试([06:15]
3-68高性能知识库之代码落地-问答推荐代码落地(6)[13:50]
3-69高性能知识库之代码落地-基于Agent问答原理分析([07:15]
3-70高性能知识库之代码落地-基于Agent问答目标设计([01:36]
3-71高性能知识库之代码落地-基于Agent问答LangC[03:21]
3-72高性能知识库之代码落地-基于Agent问答效果复现([06:33]
3-73高性能知识库之代码落地-基于Agent问答代码落地([10:41]

第4章 RAG性能开发工具选型 (46分钟 7节)

4-101 选型评估之用向量数据库，还是知识图谱？[07:55]
4-202 选型评估之RAG常见的落地方案有哪些？[03:40]
4-303 选型评估之有哪些优秀的RAG在线开发平台？[05:33]
4-404 选型评估之有哪些优秀的RAG的开源项目？[05:15]
4-505 选型评估之有哪些优秀的RAG的效果评估工具？[09:12]
4-606 选型评估之有哪些优秀的向量数据库？[05:41]
4-707 选型评估之有哪些落地的技术栈分享？[08:57]

第5章 RAG性能优化经验分享 (1小时4分钟 12节)

5-101 RAG性能优化之建议使用多路召回方案[06:10]
5-202 RAG性能优化之Embedding模型的选择[02:06]
5-303 RAG性能优化之表格数据处理方案[05:10]
5-404 RAG性能优化之相似度不准问题[08:00]
5-505 RAG性能优化之幻觉问题[02:23]
5-606 RAG性能优化之高性能的模型管理方案[08:41]
5-707 RAG性能优化之基于语义相似度缓存一致性方案[08:24]
5-808 RAG性能优化之设计反馈机制[01:58]
5-909 RAG性能优化之设置可解释性[02:25]
5-1010 RAG性能优化之推理资源设计[06:39]
5-1111 RAG性能优化之图文知识库设计方案[04:43]
5-1212 RAG性能优化之效果评估方案[07:23]