友情鏈接:
合作聯系
|
ASPEN培訓課程
?
?開發者/工程師：?? 具備Python基礎，希望將大型語言模型高效、低成本地應用于企業特定場景（如智能客服、知識庫問答、代碼助手）的開發者。
?算法工程師/數據科學家：?? 希望深入理解RAG前沿技術，掌握其高級優化技巧和微調方法，以構建更精準、更可靠的AI應用。
?技術負責人/架構師：?? 需要為團隊技術選型，規劃RAG系統架構，并理解其技術邊界、成本與性能權衡的決策者。
?學員前提：??
熟練掌握Python編程。
對機器學習/深度學習有基本概念。
對LangChain、LlamaIndex等框架有初步了解更佳（非必須）。
?
?體系化掌握RAG核心原理：?? 深入理解RAG的工作流程、核心組件及其背后的技術細節，不再停留在“黑盒”使用層面。
?精通高級知識增強技巧：?? 掌握從向量檢索優化到圖數據庫、關鍵詞混合查詢等進階檢索方案，顯著提升檢索精度與召回率。
?掌握RAG全鏈路微調能力：?? 學習如何微調檢索器、重排器乃至大模型本身，使整個RAG系統與專屬知識深度融合，實現最佳性能。
?具備構建生產級RAG系統能力：?? 能夠處理復雜查詢、解決幻覺問題、進行系統評估與監控，打造真正可用的企業級應用。
?1.1 RAG技術演進與核心價值?
RAG vs. 微調：場景與成本分析
RAG系統核心組件詳解：檢索器、生成器
?1.2 DeepSeek模型家族介紹?
DeepSeek-V2模型架構、特點及優勢
DeepSeek API及開源模型部署
?1.3 基礎RAG管道搭建實戰?
使用LangChain/LlamaIndex + DeepSeek搭建第一個知識問答系統
文檔加載、文本分割、向量化索引入門
?2.1 索引優化策略?
高級文本分割策略：句感分割、遞歸分割
元數據過濾與多索引策略
?2.2 檢索器優化實戰?
混合檢索策略：結合向量檢索與關鍵詞檢索（BM25）
多向量檢索器：圖數據庫知識關聯檢索
從小召回到大精度：重排模型原理與應用
?2.3 應對復雜查詢?
智能路由設計：查詢分類與改寫
多跳問答實現：遞歸檢索與子查詢
?3.1 RAG微調策略總覽?
何時需要微調？微調檢索器 vs. 微調生成器
訓練數據構造方法論
?3.2 檢索器微調?
指令微調：讓Embedding模型更好理解領域查詢
對比學習與難負例挖掘技巧
?3.3 生成器微調?
指令微調：讓DeepSeek學會基于上下文作答
防止“遺忘”與“幻覺”的微調技巧
低成本微調實戰：LoRA/QLoRA應用
?3.4 端到端聯合優化?
高級技術導讀：RA-DIT、PROD等前沿思路
?4.1 提示工程與輸出控制?
高級提示模板設計：思維鏈、少樣本、指令強化
上下文壓縮與信息優先級排序
?4.2 RAG系統評估體系?
評估指標詳解：忠實度、答案相關性、上下文相關性
使用RAGAS、TruEra進行自動化評估
人工評估方案設計
?4.3 系統架構與部署考量?
高并發、可擴展的RAG服務架構設計
緩存、異步處理等性能優化技巧
