课程内容概览：
这份课程资料涵盖了企业级RAG技术实战、AI认知基础、Embedding与Rerank技术、Llama-Factory微调等多个核心模块，同时配套了丰富的视频教程，从基础理论到项目实战一应俱全。
无论你是刚接触大模型的新手，还是希望深入掌握RAG与Agent架构的开发者，这套资料都能为你提供系统化的学习路径。
RAG技术从入门到进阶：
课程从最基础的NaiveRAG与Langchain实践讲起，帮助你理解RAG的基本原理和流程。随后逐步深入到高级RAG技术，包括层次索引、句子窗口、子查询、HyDE等策略，让你掌握如何构建更精准、高效的检索增强生成系统。
模块化RAG部分则重点讲解了顺序模式、条件模式、分支模式，以及迭代、递归检索、FLARE等进阶玩法，帮助你应对复杂业务场景下的检索需求。
Embedding与Rerank核心技术：
在Embedding方面，课程详细介绍了word2vec、CBOW等经典原理，并带你实操Embedding模型的训练与微调，包括使用LlamaIndex进行微调。同时，课程还涵盖了Embedding模型的评估方法，如MRR评测和MTEB评测标准，帮助你科学衡量模型效果。
Rerank技术部分则从交叉编码与双编码的原理出发，延伸至RankGPT等模型的微调实践，让你理解如何通过重排序显著提升检索结果的相关性。
向量数据库与相似性搜索：
课程系统讲解了向量数据库的基础知识，包括欧式距离、余弦相似度等相似性测量方法，并深入分析了k-means、肘部法则、PQ量化、HNSW、LSH等经典与近似邻近算法。你会学会如何根据业务需求选择合适的向量数据库，并通过Chroma与Qdrant的代码示例快速上手实战。
大模型微调与部署实战：
从大模型微调的环境准备开始，课程带你一步步完成数据集准备（包括SFT继续预训练和偏好优化）、LoRA与QLoRA微调实践，以及模型合并导出、量化与本地部署的全流程。此外，还包含了模型评估的批量推理与自动评估Benchmark方法，确保你的模型性能可靠。
Agent原理与设计模式：
Agent部分从基础原理讲起，涵盖Planning、Memory等核心概念，并介绍了国内外主流Agent平台，如Coze搭建智能客服。课程重点讲解了多种Agent设计模式，包括Fewshot、ReAct、REWOO、LLMComp、Reflexion和LAT，帮助你理解不同场景下的最佳实践。
同时，你还将学习Agent工具使用与Function Call，以及SingleAgent与MultiAgent框架的对比与选型思路。
Langgraph与多Agent架构：
课程专门安排了Langgraph项目原理与实战，并深入探讨了Langgraph多Agent架构中的协作模式。你会学到如何设计多个Agent协同工作的流程，以及如何通过Langchain项目原理与实战提升开发效率。
此外，AutoGen和CrewAI项目也是课程重点，从原理到代码执行、工具调用，再到Crew Task与Agent协作，帮助你掌握当前主流的Agent开发框架。
RAG评估与行业落地经验：
课程最后聚焦于RAG评估指标，包括RAGAs和TruLens等工具的使用，帮助你科学衡量系统效果。同时，还分享了RAG行业落地的实践心得、业务场景经验，以及常见的坑与避坑指南，让你在真实项目中少走弯路。
整套课程内容层层递进，理论与实践并重，非常适合想要系统掌握RAG、Embedding、Agent及大模型微调技术的开发者学习。
资源下载区域
本站会员可免费下载和查看此资源升级会员