低级篇我们会从 0 到 1 开启一个全新的 RAG 项目，一同开辟一个 AI 读报小助手。AI 读报小助手关于我们的一样平常事情糊口比力适用，从而能让我们更有动力连续改良。这个部门会在第一章根底上增长三个主要观点——元数据、文本择要、机械翻译。

　　为了能让你在进修过程当中少一些苍茫猜疑，叶教师以 RAG 的进修难点动身家税小常识，出格将课程分为了四个部门，别离是热身赛、低级篇、中级篇和马拉松，从章节名字就可以看出，课程会按部就班地带你把握 RAG。

　　究其火爆的缘故原由，次要仍是 LLM 固然壮大，但存在一些较着缺陷，好比幻觉成绩、可注释性差、抓不住成绩重点、隐私和宁静成绩等。而 RAG 刚好能够大幅提拔 LLM 的天生质量和成果有效性常识库文章。

　　在这儿，分享给你一张「RAG 进修常识舆图」，能协助你明晰地把握 RAG 的进修道路，随着这个“途径”可以更高效的按图索骥一步步进修、把握和提拔 RAG 手艺。

　　RAG，能够说是 AI 范畴一个十分大的立异打破了。它把信息检索和文本天生奇妙分离起来财税小常识，可让 AI 更智慧地事情。简朴来讲，就是在天生谜底或内容之前，AI 会先快速搜索大批的材料库，找到最有效的信息，然后根据这些信息来缔造答复或内容。并且相对其他 AI 相干项目财税小常识，RAG 的入门门坎更低，为一般开辟者供给了更加友爱的进修途径。

　　这一部门我们还会再进修 RAG 的三个主要观点：向量与嵌入模子、向量数据库、经由过程类似度来检索常识。以后我们来打造一个撑持恍惚检索的工单帮助体系。实在这个项目相称于面向公司内部的客服体系，如许既充实熬炼了我们的 RAG 开辟才能，又能够产出必然的营业代价。

　　并且，在进修的过程当中，你还能够分离本人的理论经历不竭完美它。如许一来，积聚越多，画像就越丰硕。

　　7 月初，微软公布最强 RAG 常识库开源计划 GraphRAG，项目上线即爆火，如今星标量曾经到达 16.5 k。

　　可是，近来跟很多对 RAG 感爱好的同窗交换下来财税小常识，才发明各人在进修的过程当中但是踩了很多坑，好比：

　　这儿出格引见下「叶伟民」教师，他今朝担当盛安德野生智能使用研讨院总工程师，RAG 手艺专家常识库文章。

　　这张图出自于极客工夫方才上线的专栏《RAG 体系实战课》，我第一工夫就定阅了。这个专栏能够说是最合适初学者的一门 RAG 实战课程了，经由过程一个个实战项目带着你霸占 RAG 里的中心道理与枢纽手艺，终极完成经由过程 RAG 提拔你转型 AI 赛道的能够性，能够说，都是实打实的硬货。

　　这一部门我们进修 RAG 最根底的两个观点——对话形式和返回构造化数据，就可以够引入 RAG 革新传统MIS 体系了。这个案例营业代价比力高，同时手艺难度最低，能协助你消弭畏难心思，即刻得到成绩感，激起持续进修的爱好。

　　就像教师说的，这门课程我们寻求的不是八面玲珑，而是学致使用，带你用最简朴省力的方法，快速上手RAG 使用开辟。

　　出格值得说一下，在课程中， 除会培育你的 RAG 使用开辟实战才能，还会触及 LangChain、LlamIndex 等 RAG 框架，和 GraphRAG 等 13 种 RAG 前沿手艺 财税小常识。俗语说的好，授人以鱼，不如授人以渔，我们需求进修的更主要的是把握怎样鉴戒先辈手艺的优点，连续提拔本人的 RAG 使用质量。

　　在软件开辟范畴能够说是一位老兵了，曾经有快要 15 年的经历。他在 AI 使用开辟方面也是很有建立，已经为银行、私募资金常识库文章、翻译公司、外贸公司等开辟过很多 AI 使用，也是在这个过程当中，叶教师在 RAG 手艺上，沉淀下了十分深沉的实际常识，还积聚了丰硕的实战经历。值得一提的是，他仍是大模子时期PDF剖析东西的创建者。

　　最初一部门会带着各人分离本人的 RAG 开辟常识库文章、优化经历，带你理解 RAG 使用的评价改良办法，再分离两个具编制子解说 RAG 使用的优化计划。