RAG 系统实战
进阶向量数据库、检索策略、生成优化 — 构建生产级 RAG 应用。适合有 LLM API 调用经验的开发者。
📌 前置要求
- • 完成「AI 应用入门」路径或有同等经验
- • 熟悉 Python 和基本的 API 开发
- • 了解 Prompt Engineering 基础
🎯 学完你将
- ✓ 理解向量数据库和 Embedding 的工作原理
- ✓ 掌握文档切分策略和检索优化技术
- ✓ 能构建包含 Hybrid Search 的 RAG 系统
- ✓ 能评估和调优 RAG 应用的质量
学习阶段
向量数据库基础
第 1 周 · 前 3 天理解 Embedding、向量相似度搜索的原理，学会使用主流向量数据库。
Vector Databases: from Embeddings to Applications ⏱ ~1 小时 ↗
DeepLearning.AI / Weaviate · 系统学习向量数据库从 Embedding 到应用的完整流程（免费）
📖 Embeddings（站内教程） ⏱ ~15-30 分钟 ↗
AI Engineering Tutorial · 深入理解文本嵌入：原理、选型和使用最佳实践
📖 RAG 基础（站内教程） ⏱ ~15-30 分钟 ↗
AI Engineering Tutorial · RAG 系统架构全览：检索、增强、生成三大阶段
面向开发者的 LLM 入门课程 ⏱ ~2-4 小时 ↗
Datawhale · 中文 LLM 教程，包含 RAG 章节的完整复现代码
搭建向量数据库 ⏱ ~2-4 小时
自主实践 · 使用 Chroma/Weaviate 搭建向量数据库，导入 100+ 文档并实现语义搜索
文档处理与切分
第 1 周 · 后 4 天掌握不同文档格式的处理方法和智能切分策略（固定大小、语义切分、递归切分）。
Preprocessing Unstructured Data for LLM Applications ⏱ ~1 小时 ↗
DeepLearning.AI · 非结构化数据预处理全流程：PDF、HTML、图片等格式处理（免费）
Building RAG Agents with LLMs ⏱ ~1 小时 ↗
NVIDIA · NVIDIA 出品的 RAG Agent 构建课程，含文档处理实战（免费）
实现多种切分策略 ⏱ ~2-4 小时
自主实践 · 对同一批文档实现 3 种切分策略，对比检索效果差异
检索策略
第 2 周学习高级检索技术：Hybrid Search、多路查询、RAPTOR、Self-RAG 等。
RAG From Scratch ⏱ ~4 小时 ↗
LangChain / YouTube · LangChain 官方 RAG 从零讲解系列，从基础到高级技术
Advanced Retrieval for AI with Chroma ⏱ ~1 小时 ↗
DeepLearning.AI · 高级检索技术：Query Expansion、Cross-Encoder Re-ranking（免费）
📖 Advanced RAG（站内教程） ⏱ ~15-30 分钟 ↗
AI Engineering Tutorial · 高级 RAG 技术：HyDE、多路检索、重排序、语义分块
动手学大模型应用开发 ⏱ ~2-4 小时 ↗
Datawhale · 中文 RAG 实战教程，完整呈现知识库助手的开发全流程
实现 Hybrid Search ⏱ ~2-4 小时
自主实践 · 结合关键词搜索（BM25）和向量搜索，实现 Hybrid Search 并对比效果
生成优化与评估
第 3 周优化生成质量（Re-ranking、上下文压缩），建立评估体系衡量 RAG 效果。
Building and Evaluating Advanced RAG Applications ⏱ ~1 小时 ↗
DeepLearning.AI / TruEra · RAG 评估方法论：Faithfulness、Relevance、Context Recall（免费）
LLM Visualization ⏱ ~30 分钟 ↗
Brendan Bycroft · 交互式 3D 可视化工具，帮助理解模型内部的计算过程
构建生产级 RAG 应用 ⏱ ~2-4 小时
自主实践 · 构建一个完整的 RAG 应用：文档处理 → 索引 → 检索 → 生成 → 评估，并部署上线