课程目录

• 1、RAG工作原理
• 2_2大模型目前固有的局限性
• 3_3检索增强生成
• 4_4文档的加载与切割
• 5_5LLM接口封装
• 6_6Prompt模版
• 7_7什么是向量
• 8_8文本向量
• 9_9文本向量是怎么得到的选
• 10_10VectorStore向量存储与检索
• 11_11Chrom向量数据库使用
• 12_12向量数据库选型
• 13_13RAG高级进阶实战
• 14_14文本分割粒度
• 15_15检索后排序
• 16_16ReRanker模型
• 17_17混合检索HybridSearch
• 18_18RRF
• 19_19PDF文档表格处理
• 20_20GraphRAG基本介绍
• 21_21实战一RAGWorkflowI作流详解
• 22_22RAGVSFineTuning模型微调
• 23_23大模型企业级业务场景落地方案实践
• 24_24使用conda配置知识库项目Python环境
• 25_25SentenceTransformer大模型详解
• 26_26Embedding文本向量化处理实战
• 27_27InternLM218BQwen25I05B模型实战
• 28_28知识库模型问答测试与实际效果评估
• 29_29使用Llamalndex创建知识库实战
• 30_30使用Streamlit创建Web应用实战
• 31_31程序员大模型学习最佳实践
• 32_32实战二什么叫预训练好的大模型
• 33_33大模型的局限性及解决方案
• 34_34rag外挂私有知识库
• 35_35Indexing
• 36_36检索和生成
• 37_37finetuning微调
• 38_38增量训练pretrainging
• 39_39functioncalling调用企业