51CTO西瓜AI大模型RAG项目实战课资源介绍:
全面性：
提供全面的RAG开发指南，内容涵盖从基础概念到高级技术的各个层面。
确保学员能够系统地学习并掌握RAG的核心知识点。
实战性：
强调工程实践和全流程的实际操作，让学员能够将理论知识应用于实际工作中。
包含超过50,000行的实战项目代码，帮助学员深入理解和掌握工业级大模型应用的开发流程。
确保了课程内容的深度和实用性，旨在帮助学员在RAG领域达到专业水平。
资源目录:
RAG课程资料.rar 1 课程介绍_ 2 RAG 流程详细剖析_ 3 大模型应用落地痛点剖析__ 4 RAG 关键问题剖析__ 5 RAG 架构演进之Naive RAG_ 6 RAG 架构演进之Advanced RAG_ 7 微调 和 RAG 方案选型_ 8 RAG 的应用落地场景_ 9 LangChain总体架构设计之什么是LangChain_ 10 LangChain总体架构设计之LangChain总体架构剖析_ 11 LangChain总体架构设计之RAG架构支持_ 12 LangChain总体架构设计之Agent架构支持_ 13 LangChain总体架构设计之核心API设计剖析_ 14 Model IO之贯穿整个课程的业务场景引入_ 15 Model IO之LangChain官网介绍_ 16 Model IO之Model IO总体概述_ 17 Model IO之模型调用API实践_ 18 Model IO之Prompts使用str.format构建模版_ 19 Prompts使用Few-Shot构建模版_ 20 Model IO之Prompts使用ExampleSelector构建模版(上)_ 21 Model IO之Prompts使用ExampleSelector构建模版(下)_ 22 Model IO之Prompts使用自定义示例器构建模版_ 23 Model IO之Output Parser_ 24 Model IO之Ollama工具部署和私有模型部署_ 25 Model IO之LangChain调用私有模型_ 26 Model IO之大模型外部函数调用流程剖析_ 27 Model IO之LangChain调用在线模型的外部函数_ 28 Model IO之自定义关于外部函数的解析器_ 29 Model IO之LangChain调用开源模型的外部函数_ 30 Chains之设计理念和意义_ 31 Chains之基于LCEC语言构建的Chains_ 32 Chains之历史的Chains中的最简单的Chain_ 33 Chains之历史的Chains中的SimpleSequentialChain_ 34 Chains之历史的Chains中的SequentialChain_ 35 Chains之历史的Chains中的RouterChain_ 36 Chains之全链路中实现调用天气函数_ 37 Chains之全链路中实现调用gp信息函数_ 38 Chains之全链路中实现全流程跑通_ 39 Memory之为什么会出现Memory模块？_ 40 Memory之如何自定义Memory功能？_ 41 Memory之自定义实体识别的Memory功能_ 42 Memory之内置模块ConversationBufferMemory_ 43 Memory之内置模块ConversationBufferWindowMemory_ 44 Memory之内置模块Entity_ 45 Memory之内置模块单独使用Memory_ 46 Memory之内置模块ConversationSummaryMemory_ 47 Agents之Agent架构的意义_ 48 Agents之Chains模块的优劣势_ 49 Agents之LangChain Agents的设计理念_ 50 Agents之自定义 Agents_ 51 Agents之LangChain提供的抽象_ 52 Agents之自定义ReAct方式的Agents_ 53 Agents之LangChain提供的ReAct Agent抽象_ 54 Agents之LangChain提供的XML Agent抽象_ 55 LangChain升级说明__ 56 Retrieval之设计理念和意义_ 57 Retrieval之loader_ 58 Retrieval之Transformers_ 59 Retrieval之Embedding Model_ 60 Retrieval之vector store_ 61 Retrieval之Retrievers_ 62 LangChain API总结与展望_ 63 高性能知识库之需求分析(上)_ 64 高性能知识库之需求分析(下)_ 65 高性能知识库之架构设计_ 66 高性能知识库之详细设计-知识管理平台_ 67 高性能知识库之详细设计-智能对话_ 68 高性能知识库之详细设计-知识库_ 69 高性能知识库之详细设计-联网在线问答_ 70 高性能知识库之详细设计-问答推荐_ 71 高性能知识库之详细设计-基于Agent的RAG__ 72 高性能知识库之技术选型_ 73 高性能知识库之资源评估_ 74 高性能知识库之代码落地-开发目标和环境准备(1)_ 75 高性能知识库之代码落地-本地连接远程服务器(2)_ 76 高性能知识库之代码落地-虚拟环境创建和依赖安装(3)_ 77 高性能知识库之代码落地-项目运行(4)_ 78 高性能知识库之代码落地-项目测试(5)_ 79 高性能知识库之代码落地-开源模型部署(6)_ 80 高性能知识库之代码落地-智能问答流程开发目标(1)_ 81 高性能知识库之代码落地-智能问答项目启动和测试(2)_ 82 高性能知识库之代码落地-智能问答表结构梳理(3)_ 83 高性能知识库之代码落地-智能问答多进程多线程和异步编程(4)_ 84 高性能知识库之代码落地-智能问答模型管理原理(5)_ 85 高性能知识库之代码落地-智能问答模型管理流程演示(6)_ 86 高性能知识库之代码落地-智能问答服务启动流程剖析(7)_ 87 高性能知识库之代码落地-智能问答用户请求流程剖析(8)_ 88 高性能知识库之代码落地-智能问答浏览器推流技术(9)_ 89 高性能知识库之代码落地-知识管理开发目标和表结构设计_ 90 高性能知识库之代码落地-知识管理开发向量数据库选型_ 91 高性能知识库之代码落地-知识管理开发代码设计(上)_ 92 高性能知识库之代码落地-知识管理开发代码设计(下)_ 93 高性能知识库之代码落地-知识管理亿级wiki语料数据准备_ 94 高性能知识库之代码落地-知识管理亿级wiki语料数据处理_ 95 高性能知识库之代码落地-知识管理私有PDF文件处理方案_ 96 高性能知识库之代码落地-知识管理私有PDF文件处理(上)_ 97 高性能知识库之代码落地-知识管理私有PDF文件处理(下)_ 98 高性能知识库之代码落地-知识管理全流程代码剖析_ 99 高性能知识库之代码落地-知识管理数据验证__ 100 高性能知识库之代码落地-基于知识库问答流程复现_ 101 高性能知识库之代码落地-基于知识库RAG代码剖析_ 102 高性能知识库之代码落地-效果评估方案选型_ 103 高性能知识库之代码落地-效果评估关键指标剖析_ 104 高性能知识库之代码落地-效果评估工具Trulens演示_ 105 高性能知识库之代码落地-效果评估工具Ragas演示_ 106 高性能知识库之代码落地-效果评估工具自研代码设计思路_ 107 高性能知识库之代码落地-效果评估工具自研数据处理代码实现_ 108 高性能知识库之代码落地-效果评估工具自研提示词模板代码实现_ 109 高性能知识库之代码落地-效果评估工具自研检索器代码实现(上)_ 110 高性能知识库之代码落地-效果评估工具自研检索器代码实现(下)_ 111 高性能知识库之代码落地-效果评估工具自研模型管理代码实现_ 112 高性能知识库之代码落地-效果评估工具自研指标定义代码实现_ 113 高性能知识库之代码落地-效果评估工具自研代码测试_ 114 高性能知识库之代码落地-rerank算法原理_ 115 高性能知识库之代码落地-rerank算法效果复现_ 116 高性能知识库之代码落地-rerank算法代码实现_ 117 高性能知识库之代码落地-联网问答开发目标_ 118 高性能知识库之代码落地-联网问答搜索工具介绍_ 119 高性能知识库之代码落地-联网问答实时检索流程代码开发_ 120 高性能知识库之代码落地-联网问答Docker安装部署_ 121 高性能知识库之代码落地-联网问答Milvus安装部署_ 122 高性能知识库之代码落地-联网问答数据入库代码设计_ 123 高性能知识库之代码落地-联网问答效果复现_ 124 高性能知识库之代码落地-联网问答流程代码落地_ 125 高性能知识库之代码落地-问答推荐开发目标(1)_ 126 高性能知识库之代码落地-问答推荐数据特征工程(2)_ 127 高性能知识库之代码落地-问答推荐效果复现之特征工程(3)_ 128 高性能知识库之代码落地-问答推荐效果复现之数据入库(4)_ 129 高性能知识库之代码落地-问答推荐效果复现之服务测试(5)_ 130 高性能知识库之代码落地-问答推荐代码落地(6)_ 131 高性能知识库之代码落地-基于Agent问答原理分析(1)_ 132 高性能知识库之代码落地-基于Agent问答目标设计(2)_ 133 高性能知识库之代码落地-基于Agent问答LangChain支持(3)_ 134 高性能知识库之代码落地-基于Agent问答效果复现(4)_ 135 高性能知识库之代码落地-基于Agent问答代码落地(5)__ 136 01 选型评估之用向量数据库还是知识图谱？__ 137 02 选型评估之RAG常见的落地方案有哪些？_ 138 03 选型评估之有哪些优秀的RAG在线开发平台？_ 139 04 选型评估之有哪些优秀的RAG的开源项目？_ 140 05 选型评估之有哪些优秀的RAG的效果评估工具？_ 141 06 选型评估之有哪些优秀的向量数据库？_ 142 07 选型评估之有哪些落地的技术栈分享？_ 143 01 RAG性能优化之建议使用多路召回方案__ 144 02 RAG性能优化之Embedding模型的选择_ 145 03 RAG性能优化之表格数据处理方案_ 146 04 RAG性能优化之相似度不准问题_ 147 05 RAG性能优化之幻觉问题_ 148 06 RAG性能优化之高性能的模型管理方案__ 149 07 RAG性能优化之基于语义相似度缓存一致性方案_ 150 08 RAG性能优化之设计反馈机制_ 151 09 RAG性能优化之设置可解释性_ 152 10 RAG性能优化之推理资源设计_ 153 11 RAG性能优化之图文知识库设计方案__ 154 12 RAG性能优化之效果评估方案__
此隐藏内容仅限VIP查看升级VIP
