《极客时间 – 大模型 RAG 进阶实战营视频教程》详细介绍

一、课程背景

随着 ChatGPT、Claude、Llama 等大语言模型的迅速普及，企业和个人开发者越来越关注如何将大模型与自身业务知识库结合，以实现更强大的智能问答和业务应用能力。传统的大模型在处理通用问题上表现出色，但在垂直领域知识、企业内部数据、时效性信息方面存在不足。
为了解决这些痛点，RAG（Retrieval-Augmented Generation，检索增强生成） 技术成为业界主流解决方案。它通过知识检索 + 大模型生成相结合的方式，使大模型具备“可控、可扩展、可更新”的能力。

《极客时间 – 大模型 RAG 进阶实战营》正是为开发者、架构师和AI应用从业者量身打造的实战型课程，聚焦如何利用 RAG 技术构建企业级智能应用。

二、课程核心内容

本实战营课程以“理论 + 实战 + 项目案例”三位一体的模式展开，核心模块包括：

  1. RAG 基础与原理
    • 什么是 RAG，为什么要用 RAG
    • LLM 与外部知识结合的三大模式：微调、提示工程、RAG 对比
    • RAG 技术栈全景（向量数据库、Embedding 模型、检索算法、重排序器等）
  2. 向量化与知识库构建
    • 文本切分策略（基于语义/段落/结构化）
    • Embedding 技术选型（OpenAI、bge、m3e 等模型）
    • 向量数据库实践（Milvus、Pinecone、Weaviate、FAISS）
    • 知识库搭建与管理
  3. 检索与增强策略
    • 基础检索：向量相似度搜索
    • 高级检索：BM25、Hybrid Search（稀疏+稠密）
    • 检索增强：重排序（Re-ranking）、上下文扩展、窗口检索
    • 减少幻觉的方法与技巧
  4. RAG 应用架构设计
    • 单机研发 vs 分布式部署
    • RAG Pipeline 流程设计（Query → 检索 → 增强 → LLM 生成）
    • 缓存与加速：Embedding 缓存、查询缓存、检索优化
    • 实时数据接入与动态知识更新
  5. 进阶优化与混合技术
    • RAG 与 Agent 结合（Tool Use、函数调用）
    • RAG + 知识图谱（GraphRAG）
    • 多模态 RAG（文本 + 图片 + 音频）
    • 面向企业的安全与隐私设计
  6. 实战项目案例
    • 企业内部知识库问答系统
    • 法律/医疗/金融等垂直领域问答助手
    • 研发文档 & 技术支持机器人
    • 多数据源整合与搜索增强应用

三、课程亮点

  • 进阶定位：不是入门讲座，而是从基础快速过渡到实战和优化，帮助学员真正能落地企业级 RAG 应用。
  • 实战驱动：配套真实场景案例，手把手带学，输出可运行的项目代码。
  • 工具全景覆盖：涵盖开源与商业工具（LangChain、LlamaIndex、Milvus、Pinecone 等），帮助学员灵活选择。
  • 专家团队授课：由资深 AI 架构师与一线实践者组成讲师团，保证前沿性与实战性。
  • 项目式学习：每个模块均配合作业或 mini-project，最后形成一个完整的企业级 RAG 项目。

四、适合人群

  • AI 开发者：想在工作中落地大模型应用的工程师
  • 技术架构师：需要为企业规划 RAG 系统架构的人
  • 数据科学家 & NLP 工程师：希望掌握新一代检索与生成结合技术
  • 创业团队/产品经理：想要快速实现智能客服、知识问答类产品的团队

五、学习收获

  • 深刻理解 RAG 原理与应用场景，掌握与微调、提示工程的比较
  • 熟悉常用向量数据库与 Embedding 模型，能搭建自己的知识库
  • 能够独立完成一个企业级 RAG 系统架构设计与实现
  • 掌握检索增强与幻觉控制的实用技巧
  • 具备扩展能力：结合 Agent、知识图谱、多模态，提升大模型的业务价值

六、总结

《极客时间 – 大模型 RAG 进阶实战营视频教程》是一门真正面向落地的课程，系统化讲解 RAG 技术栈，从基础到进阶再到企业应用场景全覆盖。学习者不仅能理解技术原理，还能通过完整的实战项目收获直接可用的开发能力，为大模型应用在企业级环境中的落地提供坚实支持。

课程截图：

课程目录：

├── 01 学习手册
│ ├── 05 RAG常见问题文档
│ │ ├── Cursor安装配置使用.docx
│ │ └── QA-RAG训练营.docx
│ ├── 01 欢迎来到大模型 RAG 进阶实战营.png
│ ├── 02 课程表.png
│ ├── 03 学习群组与助教答疑.png
│ └── 04 毕业条件.png
├── 02 RAG三问
│ ├── 00-开营导语（新）_ev.mp4
│ ├── 01-Cursor-01_ev.mp4
│ ├── 01-Cursor-02_ev.mp4
│ ├── 01-Cursor-03_ev.mp4
│ ├── 01-RAG三问-01（2025.3.24）_ev.mp4
│ ├── 01-RAG三问-02-LlamaIndex5行展示(2025.3.24)_ev.mp4
│ ├── 01-RAG三问-03-LangChain(2025.3.24)_ev.mp4
│ ├── 01-RAG三问-04-如何优化RAG系统(2025.3.24)_ev.mp4
│ ├── 08-Cursor-03_ev.mp4
│ ├── Python环境准备工作.pdf
│ ├── RAG三问.pdf
│ └── 大模型应用开发概述- 开营导语.pdf
├── 03 Git & Github操作指南
│ ├── 3. 安装 Git、初始化仓库并做最简单的配置.txt
│ ├── 4. 在Windows系统上安装Git.txt
│ ├── 6. 将本地仓库同步到远程GitHub仓库.txt
│ ├── 第二节 什么是版本控制？_ev.mp4
│ ├── 第三节 安装 Git、初始化仓库并做最简单的配置_ev.mp4
│ ├── 第三节 在Windows系统上安装Git_ev.mp4
│ ├── 第四节 完成一个最简单的Git操作流程：工作区、暂存区和仓库_ev.mp4
│ ├── 第一节 为什么要使用 Git&GitHub_ev.mp4
│ ├── 将本地仓库同步到远程GitHub仓库_v1.6_ev.mp4
│ └── 直播领取资料.txt
├── 04 RAG三问
│ ├── 资料
│ │ ├── Curcor的安装和配置.pdf
│ │ ├── Python环境准备工作.pdf
│ │ ├── RAG三问.pdf
│ │ └── 大模型应用开发概述- 开营导语.pdf
│ ├── 01-Cursor-01_ev.mp4
│ ├── 01-Cursor-02_ev.mp4
│ ├── 01-Cursor-03_ev.mp4
│ ├── 01-RAG三问-01（2025.3.24）_ev.mp4
│ ├── 01-RAG三问-02-LlamaIndex5行展示(2025.3.24)_ev.mp4
│ ├── 01-RAG三问-03-LangChain(2025.3.24)_ev.mp4
│ ├── 01-RAG三问-04-如何优化RAG系统(2025.3.24)_ev.mp4
│ ├── 08-Cursor-03_ev.mp4
│ ├── Python环境准备工作.pdf
│ ├── RAG三问.pdf
│ └── 大模型应用开发概述- 开营导语.pdf
├── 05 第二章：自己动手制作RAG框架
│ ├── 资料
│ │ ├── 课后练习.png
│ │ └── 自己动手制作RAG框架.pdf
│ ├── 1.下载并运行自制RAG框架_ev.mp4
│ ├── 2.框架流程和设计说明（前端）_ev.mp4
│ ├── 3.框架流程和设计说明（后端）_ev.mp4
│ ├── 4.为框架添加新功能_ev.mp4
│ └── 5.从头开始构建框架_ev.mp4
├── 06 第三章：案例篇-医疗领域名词标准化工具
│ ├── 资料
│ │ ├── 案例篇-医疗领域名词标准化工具.pdf
│ │ └── 数据集文件-SNOMED_ALL.csv.zip
│ ├── 03-01-项目整体目标_ev.mp4
│ ├── 03-02-项目具体实现-代码下载和功能演示（2025.4.7）_ev.mp4
│ ├── 03-03+04 专有名词标准化系统设计（2025.4.7）_ev.mp4
│ ├── 03-04-向量数据库文档补充说明_ev.mp4
│ ├── 03-05专有名词标准化系统-前后端衔接_ev.mp4
│ ├── 03-06-名词扩展和纠错功能实现_ev.mp4
│ └── 03-07-项目优化方向_ev.mp4
├── 07 第四章：组件篇-数据导入技术
│ ├── 资料
│ │ └── 数据导入技术.pdf
│ ├── 组件篇-01-数据导入-01-简单文档-01_ev.mp4
│ ├── 组件篇-01-数据导入-02-有结构的文档_ev.mp4
│ ├── 组件篇-01-数据导入-03-图文导入_ev.mp4
│ ├── 组件篇-01-数据导入-04-PDF解析之-简单工具(PyPDF-PyMUPDF- pytesseract+pdf2image)_ev.mp4
│ ├── 组件篇-01-数据导入-05-PDF解析之-PDF转MarkDown（Marker，MinerU和LlamaParse）_ev.mp4
│ ├── 组件篇-01-数据导入-06-PDF解析之-Unstructured工具解析版式和元素_ev.mp4
│ ├── 组件篇-01-数据导入-07-结构化表格导入之-CSV导入(2025.4.18)_ev.mp4
│ ├── 组件篇-01-数据导入-08-结构化表格导入之-LlamaDB Connector(2025.4.18)_ev.mp4
│ ├── 组件篇-01-数据导入-09-结构化表格导入之-PDF表格解析-1(2025.4.18)_ev.mp4
│ └── 组件篇-01-数据导入-09-结构化表格导入之-PDF表格解析-2（2025.4.18）_ev.mp4
├── 08 第五章：组件篇-文本分块技术
│ ├── 资料
│ │ ├── 第五章作业（需要提交）.html
│ │ └── 文本分块技术.pdf
│ ├── 组件篇-02-01-文本分块的原理和重要性(2025.4.18)_ev.mp4
│ ├── 组件篇-02-02-文本分块的方法和实现(2025.4.18)_ev.mp4
│ └── 组件篇-02-03-与分块相关的高级索引技巧(2025.4.18)_ev.mp4
├── 09 第六章：组件篇-向量嵌入技术
│ ├── 资料
│ │ ├── BGE-M3：稀疏嵌入、密集嵌入和多向量嵌入_.pdf
│ │ └── 嵌入技术.pdf
│ ├── 组件篇-03-01-嵌入技术的基本知识_ev.mp4
│ ├── 组件篇-03-02-嵌入技术的发展和演变_ev.mp4
│ ├── 组件篇-03-03-大模型时代的嵌入模型_ev.mp4
│ ├── 组件篇-03-04-稀疏嵌入和密集嵌入_ev.mp4
│ └── 组件篇-03-05-多模态嵌入技术的应用_ev.mp4
├── 10 第七章：组件篇-向量数据库
│ ├── 资料
│ │ └── 向量数据库.pdf
│ ├── 组件篇-04-03-集合、索引、度量和搜索（上）_ev.mp4
│ ├── 组件篇-04-03-集合、索引、度量和搜索（下）（2025.4.27）_ev.mp4
│ ├── 组件篇-04-03-集合、索引、度量和搜索（中）_ev.mp4
│ ├── 组件篇-04-04-混合检索实战_ev.mp4
│ ├── 组件篇-04-05-多模态检索实战_ev.mp4
│ ├── 组件篇-04-向量数据库-01-基本原理_ev.mp4
│ └── 组件篇-04-向量数据库-02-各种各样的向量数据库_ev.mp4
├── 11 第八章：组件篇-检索前处理技术
│ ├── 资料
│ │ ├── Tree of Clarifications.pdf
│ │ └── 检索前处理技术.pdf
│ ├── 组件篇-05-检索前处理-01-查询构建-01-Text2SQL(自制流程)（配置字幕）_ev.mp4
│ ├── 组件篇-05-检索前处理-01-查询构建-02-Text2SQL(RagFlow)-1747293122_ev.mp4
│ ├── 组件篇-05-检索前处理-01-查询构建-02-Text2SQL(RagFlow)_ev.mp4
│ ├── 组件篇-05-检索前处理-01-查询构建-03-Text2Cypher_ev.mp4
│ ├── 组件篇-05-检索前处理-01-查询构建-04-Metadata Filter生成_ev.mp4
│ ├── 组件篇-05-检索前处理-02-查询翻译_ev.mp4
│ └── 组件篇-05-检索前处理-02-查询路由_ev.mp4
├── 12 第九章：组件篇-索引优化技术
│ ├── 资料
│ │ └── 索引优化技术.pdf
│ ├── 组件篇-06-02-构建多表示的索引（配置字幕）_ev.mp4
│ ├── 组件篇-06-02-构建有层次的索引（配置字幕）_ev.mp4
│ └── 组件篇-06-03-构建多表示的索引（配置字幕）_ev.mp4
├── 13 第十章：组件篇-检索后处理技术
│ ├── 资料
│ │ └── 检索后处理技术.pdf
│ ├── 组件篇-07-01-重排技术（配置字幕）_ev.mp4
│ └── 组件篇-07-02、03-压缩和校正技术（配置字幕）_ev.mp4
├── 14 第十一章：案例篇-企业文档合规性检查
│ ├── 资料
│ │ ├── GRI标准项目文档.zip
│ │ ├── NVIDIA_GRI_Compliance_Dataset_English.csv.zip
│ │ ├── 案例03-企业文档合规性检索和问答系统介绍.pdf
│ │ └── 代码.txt
│ ├── 案例篇-项目3-文档合规-01-项目说明（配置字幕）_ev.mp4
│ ├── 案例篇-项目3-文档合规-02-架构解释（配置字幕）_ev.mp4
│ └── 案例篇-项目3-文档合规-03-优化方向（配置字幕）_ev.mp4
├── 15 第十二章：组件篇-响应生成技术
│ └── 资料
│ └── 响应生成.pdf
├── 16 第十三章：组件篇-评估RAG系统
│ └── 资料
│ └── 评估RAG系统.pdf
├── 第14章：案例篇-SNOMED图数据库RAG实战
│ ├── 1. 复习 SNOMED 医疗名词库_ev.mp4
│ ├── 2. 使用 SNOMED 图数据库_ev.mp4
│ ├── 3. 安装并配置 Neo4J_ev.mp4
│ ├── 4. 构建 SNOMED 图数据库_ev.mp4
│ └── 5. 利用图数据库提升 RAG 质量_ev.mp4
├── 第15章：组件篇-复杂RAG范式
│ ├── 1. GraphRAG_ev.mp4
│ ├── 2. Context Retreival_ev.mp4
│ ├── 3. Modular RAG_ev.mp4
│ ├── 4. Agentic RAG_ev.mp4
│ └── 5. Multi-Modal RAG_ev.mp4
├── 加餐
│ ├── 1. RAG 优质论文分享_ev.mp4
│ └── 加餐-RAG Papers.zip
└── 直播答疑
├── 1.答疑直播（2025.4.10）_ev.mp4
├── 2.答疑直播（2025.4.29）_ev.mp4
├── 3.答疑直播（2025.5.13）_ev.mp4
└── 【答疑文档】RAG1期.pdf

声明：本站所发布的一切视频课程仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。本站所有课程来自网络，版权争议与本站无关。如有侵权请联系联系客服QQ：1960026872或登录本站账号进入个人中心提交工单留言反馈，我们将第一时间处理！