?

1.企業級知識庫建設與應用

（1）知識庫建設步驟

①數據收集與整理：從企業文檔、FAQ中提取知識

②知識表示：表格知識、向量表示、樹狀結構、知識圖譜等

（2）知識庫的使用

（3）知識庫與大模型的結合

①知識庫如何增強大模型性能

②實時知識更新與模型同步

（4）知識圖譜介紹（原理、設計與實現）

（5）KAG應用

2.RAG技術實踐

（1）RAG技術概述

①RAG（Retrieval - Augmented Generation）的定義與優勢

②RAG的應用場景：問答系統、文檔分析

③RAG應用的評價方式與指標

（2）詞嵌入技術

①詞嵌入與語義空間

②高維向量的快速模糊匹配

（3）向量數據庫

①混合檢索與多路召回

②Rerank

（4）RAG實戰技巧

①基模選擇（qwen、DS、GLM、書生等）

②RAG與微調的適用場景

③數據準備技巧（OCR、理解表格、半結構化）

④chunk技巧（摘要、重疊、長度選擇、構造問題）

⑤Agentic chunking

⑥查詢擴展與改寫（指代消解、HyDE）

⑦向量數據庫使用技巧（標題、正負向情感）

⑧提示詞優化技巧：（RTGO、Costar、CRISPE、BROKE等）

⑨多輪問答技巧（任務框架、信息提取、追問策略、可信度）

（5）RAG（Agent）工具

（6）Agentic RAG工具介紹

3.RAG案例分析

（1）通用知識庫問答場景（協同辦公）

（2）復雜知識庫問答場景（臨床輔助決策）

（3）基于語義和空間的聚類（市民熱線多訴合并）

（4）術語提取場景（中醫知識圖譜構建）

（5）多輪對話場景（酒店客服）

（6）綜合應用（自動生成報告文檔）

4.多模態大模型原理與實踐

（1）基于Transformer的視覺模型

（2）多模態大模型介紹

（3）數據集準備：標注與預處理

（4）模型訓練與優化：超參數調整、正則化技術

（5）多模態大模型的訓練

（6）多模態數據集準備：標注與預處理

（7）模型訓練與優化：超參調整等

?