RAG全栈技术从基础到精通 ，打造高精准AI应用

《慕课实战-RAG全栈技术从基础到精通，打造高精准AI应用》是一门围绕RAG（Retrieval-Augmented Generation，检索增强生成）技术体系打造的实战课程，旨在帮助开发者系统掌握当前大语言模型时代最热门、最实用的AI应用开发技术。课程从RAG的基本原理入手，深入讲解知识库构建、向量数据库、Embedding模型、文本切分、语义检索、重排序（Rerank）、Prompt工程、Agent集成以及完整项目部署等核心内容，让学员能够从零开始搭建企业级智能问答系统和知识库应用。

课程采用理论结合实践的教学方式，通过多个真实案例带领学员逐步完成RAG系统开发流程。内容涵盖文档解析、PDF和Office文件处理、数据清洗、向量化存储、混合检索、上下文管理、多轮对话优化、API接口开发以及前后端联调等关键技术，并介绍如何结合主流大语言模型和开源框架构建高性能AI应用。课程还会使用如LangChain、LlamaIndex、FastAPI、向量数据库（Milvus、Chroma、FAISS等）以及OpenAI兼容接口等主流技术栈，让学员了解当前行业最佳实践。

在项目实战部分，课程重点打造企业知识库问答系统、智能客服、文档助手、内部知识管理平台等多个典型应用场景，帮助学员理解如何提升模型回答的准确率，减少幻觉问题，并实现知识实时更新与高效检索。同时，课程还会介绍模型部署、性能优化、缓存机制、权限管理、日志监控等生产环境所需的开发经验，使项目更具实际落地价值。

通过学习本课程，学员不仅能够掌握RAG技术架构及完整开发流程，还能够具备独立设计和开发AI知识库系统、智能办公助手、企业问答平台以及垂直领域AI应用的能力。课程适合具备Python基础、希望进入AI应用开发、大模型工程、智能客服、企业数字化等方向的开发者学习，也适合希望提升项目实战能力和紧跟生成式AI技术发展的工程师。完成学习后，学员将拥有构建高精准、高可靠、高可扩展RAG应用的综合能力，为未来从事大模型应用开发和AI产品研发打下坚实基础。

课程截图：

课程目录：

mksz920-RAG全栈技术从基础到精通 ，打造高精准AI应用/
│ ├── 第10章 基于知识图谱：从RAG到Graph RAG，让企业知识图谱更智能/
│ │ ├── 第10章 基于知识图谱：从RAG到Graph RAG，让企业知识图谱更智能必看.png (0.48 MB)
│ │ ├── 10-3 如何存储和操作知识图谱：neo4j和nebulagraph_ev.mp4 (30.38 MB)
│ │ ├── 10-5 实战：动手构建金融智库知识图谱-2_ev.mp4 (48.23 MB)
│ │ ├── 10-8 总结和展望：如何自我学习，跟进前沿技术_ev.mp4 (16.47 MB)
│ │ ├── 10-2 认识金融智库知识图谱数据：特别的知识三元组_ev.mp4 (25.46 MB)
│ │ ├── 10-4 实战：动手构建金融智库知识图谱-1_ev.mp4 (39.74 MB)
│ │ ├── 10-1 本章介绍_ev.mp4 (4.51 MB)
│ │ ├── 10-7 实战：利用Graph RAG构建金融智库知识库应用_ev.mp4 (68.30 MB)
│ │ └── 10-6 RAG和Graph RAG有什么区别：如何构建Graph RAG_ev.mp4 (30.36 MB)
│ ├── 第13章 企业员工助手-项目进阶：RAG微调/
│ │ ├── 第13章 企业员工助手-项目进阶：RAG微调必看.png (0.48 MB)
│ │ └── 13-1 本章介绍_ev.mp4 (2.47 MB)
│ ├── 第1章 课程学习必知——助你顺利学习以及避坑/
│ │ ├── 第1章 课程学习必知——助你顺利学习以及避坑必看.zip (1.83 MB)
│ │ └── 1-1 全面了解课程，让你少走弯路，必看！！！_ev.mp4 (28.42 MB)
│ ├── 第6章 高效处理企业复杂业务数据/
│ │ ├── 6-4 挑战：RAG如何读取多样性文档（文本、表格和布局分析）_ev.mp4 (16.39 MB)
│ │ ├── 6-3 原则：垃圾进垃圾出，注重文档质量_ev.mp4 (7.51 MB)
│ │ ├── 6-6 实战：实现制度问答模块数据读取和切割_ev.mp4 (105.03 MB)
│ │ ├── 6-2 复杂：企业数据复杂多样_ev.mp4 (7.44 MB)
│ │ ├── 6-5 文档分块：递归文本分块和语义智能分块_ev.mp4 (22.62 MB)
│ │ ├── 6-1 本章介绍_ev.mp4 (1.45 MB)
│ │ └── 6-7 本章总结_ev.mp4 (1.92 MB)
│ ├── 第7章 搭建制度问答baseline RAG/
│ │ ├── 7-5 实战：实现制度问答模块RAG baseline_ev.mp4 (58.14 MB)
│ │ ├── 7-1 本章介绍_ev.mp4 (1.85 MB)
│ │ ├── 7-6 总结和展望：转变思想，AI应用开发和传统软件开发的区别_ev.mp4 (7.51 MB)
│ │ ├── 7-4 项目架构设计_ev.mp4 (4.29 MB)
│ │ ├── 7-3 项目技术选型_ev.mp4 (2.32 MB)
│ │ └── 7-2 需求分析_ev.mp4 (4.92 MB)
│ ├── 第5章 RAG核心三：企业级的向量数据库选型和高效使用/
│ │ ├── 5-6 实战：部署和使用企业级向量数据库（chroma和milvus）-1_ev.mp4 (33.87 MB)
│ │ ├── 5-1 本章介绍_ev.mp4 (1.58 MB)
│ │ ├── 5-4 向量数据库相似性搜索_ev.mp4 (4.58 MB)
│ │ ├── 5-7 实战：部署和使用企业级向量数据库（chroma和milvus）-2_ev.mp4 (31.14 MB)
│ │ ├── 5-5 性能为王：探索向量数据索引优化技术_ev.mp4 (31.44 MB)
│ │ ├── 5-8 总结和展望：企业级应用的高可用性_ev.mp4 (3.81 MB)
│ │ ├── 5-3 企业级向量数据库的要求_ev.mp4 (3.19 MB)
│ │ └── 5-2 全方位对比：主流向量数据库_ev.mp4 (23.37 MB)
│ ├── 第11章 基于知识图谱：从RAG到agenticRAG，实现自动切换不同信息源/
│ │ ├── 11-2 大模型的手脚：AI智能体Agent_ev.mp4 (24.22 MB)
│ │ ├── 11-1 本章介绍_ev.mp4 (2.09 MB)
│ │ ├── 11-3 推理和行动并行：ReAct框架_ev.mp4 (9.08 MB)
│ │ ├── 11-4 基于Agent的多文档RAG Router_ev.mp4 (4.37 MB)
│ │ ├── 11-5 实战：利用ReAc Agent实现 RAG Router_ev.mp4 (39.38 MB)
│ │ └── 11-6 本章总结_ev.mp4 (2.24 MB)
│ ├── 第2章 掌握未来AI趋势：RAG引领大语言模型新纪元/
│ │ ├── 2-4 深入思考 long context加持的大模型企业还需要RAG_ev.mp4 (12.21 MB)
│ │ ├── 2-8课程机器配置要求说明.pdf (0.08 MB)
│ │ ├── 2-7运行和开发环境搭建.pdf (2.13 MB)
│ │ ├── 2-5 RAG技术栈：从到的跨越_ev.mp4 (4.66 MB)
│ │ ├── 2-2 满足企业精准需求：RAG如何填补大语言模型短板_ev.mp4 (5.31 MB)
│ │ ├── 2-3 解锁RAG三大核心_ev.mp4 (2.84 MB)
│ │ ├── 2-1 本章简介_ev.mp4 (1.28 MB)
│ │ └── 2-6 本课程案例分析与说明_ev.mp4 (3.87 MB)
│ ├── 第3章 RAG核心一：挑选符合企业的大语言基石模型/
│ │ ├── 第3章 RAG核心一：挑选符合企业的大语言基石模型说明.png (0.48 MB)
│ │ ├── 3-11 实战：使用大语言模型（本地和API、GPU和CPU）-1_ev.mp4 (39.20 MB)
│ │ ├── 3-1 本章简介_ev.mp4 (2.46 MB)
│ │ ├── 3-6 RAG应用：挑选大模型的四大步骤_ev.mp4 (4.18 MB)
│ │ ├── 3-10 如何通过ollama部署本地大模型-deepseek-r1.pdf (1.23 MB)
│ │ ├── 3-9 星火大模型API使用.pdf (0.70 MB)
│ │ ├── 3-12 实战：使用大语言模型（本地和API、GPU和CPU）-2_ev.mp4 (40.33 MB)
│ │ ├── 3-2 大模型入门：核心要点和技术演变（token、transformer、训练）_ev.mp4 (36.19 MB)
│ │ ├── 3-8 大语言模型如何下载.pdf (1.24 MB)
│ │ ├── 3-3 国内外大模型产品必知必会_ev.mp4 (7.14 MB)
│ │ ├── 3-5 火眼金星：如何分辨大模型的好坏_ev.mp4 (10.66 MB)
│ │ ├── 3-4 没有GPU如何调用大模型-大模型调用的三种方式_ev.mp4 (16.04 MB)
│ │ └── 3-7 总结和展望：不同项目角色需要对AI大模型了解程度的差异性分析_ev.mp4 (18.93 MB)
│ ├── 第14章 企业员工助手-总结和展望/
│ │ ├── 14-2 -2 项目总结和展望：课程总结与AI岗位面试技巧_ev.mp4 (23.42 MB)
│ │ └── 14-1 -1 项目总结和展望：课程回顾与总结_ev.mp4 (22.52 MB)
│ ├── 第4章 RAG核心二：挑选合适RAG的向量Embedding模型/
│ │ ├── 4-2 embedding模型的重要性_ev.mp4 (7.00 MB)
│ │ ├── 4-7 实战：embedding模型加载和使用对比_ev.mp4 (46.09 MB)
│ │ ├── 4-6 embedding模型下载.pdf (0.12 MB)
│ │ ├── 4-4 主流中文embedding模型_ev.mp4 (16.85 MB)
│ │ ├── 4-5 embedding模型排行榜靠谱不靠谱，如何选择_ev.mp4 (6.97 MB)
│ │ ├── 4-1 本章介绍_ev.mp4 (1.05 MB)
│ │ ├── 4-8 本章总结_ev.mp4 (2.01 MB)
│ │ └── 4-3 embedding是怎么炼成的？_ev.mp4 (9.34 MB)
│ ├── 第12章 企业员工助手-接口和界面开发/
│ │ ├── 12-2 演示界面神器：gradio介绍_ev.mp4 (19.65 MB)
│ │ ├── 12-4 实战：gradio整合两大RAG项目（2）_ev.mp4 (48.83 MB)
│ │ ├── 12-1 本章介绍_ev.mp4 (1.92 MB)
│ │ └── 12-3 实战：gradio整合两大RAG项目（1）_ev.mp4 (32.35 MB)
│ ├── 第8章 有效评估RAG是提升的关键/
│ │ ├── 8-2 RAG迭代的关键：评估_ev.mp4 (7.42 MB)
│ │ ├── 8-5 实战：用Ragas评估制度问答模块的性能_ev.mp4 (15.09 MB)
│ │ ├── 8-3 RAG评估的三大步骤_ev.mp4 (1.49 MB)
│ │ ├── 8-4 RAG评价神器：Ragas框架_ev.mp4 (39.00 MB)
│ │ ├── 8-6 本章总结_ev.mp4 (4.46 MB)
│ │ └── 8-1 本章介绍_ev.mp4 (1.28 MB)
│ └── 第9章 提升RAG的检索增强技能/
│ │ ├── 9-13 实战：用检索增强技术提升制度问答模块性能-多索引增强_ev.mp4 (56.69 MB)
│ │ ├── 9-15 重排rerank模型如何下载.pdf (0.04 MB)
│ │ ├── 9-12 实战：用检索增强技术提升制度问答模块性能-查询增强-2_ev.mp4 (77.23 MB)
│ │ ├── 9-1 本章介绍_ev.mp4 (1.99 MB)
│ │ ├── 9-10 总结和展望：关于企业里需要良好的代码规范和代码管理_ev.mp4 (40.26 MB)
│ │ ├── 9-19 实战：用检索增强技术提升制度问答模块性能-self-RAG-2_ev.mp4 (51.49 MB)
│ │ ├── 9-14 实战：用检索增强技术提升制度问答模块性能-融合检索_ev.mp4 (18.51 MB)
│ │ ├── 9-2 一图剖析RAG进化之路：探索优化点_ev.mp4 (5.57 MB)
│ │ ├── 9-4 查询增强：增加相关内容-Query2doc+ HyDE+子问题查询+问题改写+Task Step Back_ev.mp4 (40.41 MB)
│ │ ├── 9-11 实战：用检索增强技术提升制度问答模块性能-查询增强-1_ev.mp4 (45.71 MB)
│ │ ├── 9-7 检索后增强：重排序技术(Re-rank)_ev.mp4 (9.13 MB)
│ │ ├── 9-8 系统性增强：迭代检索增强生成，从上一迭代收获信息_ev.mp4 (14.40 MB)
│ │ ├── 9-5 多索引增强：从不同维度构建索引，强化相关内容_ev.mp4 (17.33 MB)
│ │ ├── 9-18 实战：用检索增强技术提升制度问答模块性能-self-RAG-1_ev.mp4 (42.45 MB)
│ │ ├── 9-6 检索后增强：融合检索，三个臭皮匠顶一个诸葛亮_ev.mp4 (14.34 MB)
│ │ ├── 9-3 检索的两大形态：稀疏 vs 稠密_ev.mp4 (16.00 MB)
│ │ ├── 9-16 实战：用检索增强技术提升制度问答模块性能-rerank重排_ev.mp4 (23.13 MB)
│ │ ├── 9-9 RAG新范式：自我评估增强Self-RAG_ev.mp4 (20.83 MB)
│ │ └── 9-17 实战：用检索增强技术提升制度问答模块性能-迭代检索增强生成_ev.mp4 (18.78 MB)