← 返回路线

第5周 · 数据集模块开发-实现特定知识库问答

【商业级聊天机器人开发
00:00 / 00:00
2.0x
1.5x
1.25x
1.0x
0.75x
0.5x

点击右侧目录开始学习

—| —| 0 / 46 已完成
快捷键：←/→ 快退/快进 3 秒 · Shift+←/→ 上/下一节 · 空格 播放暂停 · F 全屏 · M 静音
课程目录 共 46 节
5-1 第1章 大模型RAG应用开发基础及入门
1 1-1 本章介绍
2 1-10 Faiss向量数据库的配置与使用
3 1-11 Pinecone向量数据库的配置与使用
4 1-12 TCVectorDB向量数据库的配置与使用
5 1-13 Weaviate向量数据库的配置与使用
6 1-14 对接自定义向量数据库的配置与使用
7 1-2 大语言模型出现幻觉的原因及缓解方案
8 1-3 检索增强生成RAG基础架构与手动模拟
9 1-4 AI应用开发新宠——向量数据库的介绍与用途
10 1-5 传统数据库与向量数据库的使用差异
11 1-6 Embedding文本嵌入模型介绍与使用
12 1-7 OpenAI Embedding接口使用实践测试
13 1-8 CacheBackEmbedding组件的使用与注意事项
14 1-9 其他Embedding嵌入模型的配置与使用
5-2 第2章 LangChain RAG应用开发组件深入学习
15 2-1 本章介绍
16 2-10 非分割类型的文档转换器使用技巧
17 2-11 VectorStore组件深入学习与检索方法
18 2-12 检索器组件深入学习与使用技巧
19 2-13 内置的检索器组件与自定义检索器技巧
20 2-14 本章总结
21 2-2 Document组件与文档加载器组件的使用
22 2-3 LangChain内置文档加载器使用技巧
23 2-4 自定义LangChain文档加载器使用技巧
24 2-5 Blob与BlobParser代替文档加载器
25 2-6 文档转换器与字符分割器组件的使用
26 2-7 递归字符文本分割器的使用与运行流程
27 2-8 语义文档分割器与其他内容分割器的使用
28 2-9 自定义LangChain文档分割器技巧
5-3 第3章 RAG优化策略与知识库模块功能开发解析
29 3-1 本章介绍
30 3-10 使用语义路由选择不同的Prompt模板
31 3-11 自查询检索器实现动态元数据过滤
32 3-12 MultiVector实现多向量检索文档
33 3-13 父文档检索器实现拆分和存储平衡
34 3-14 递归文档树检索实施高级RAG深入理解
35 3-15 ReRank重排序提升RAG系统效果
36 3-16 纠正性索引增强生成CRAG优化策略
37 3-17 使用Self-RAG纠正低质量的检索生成
38 3-18 本章总结
39 3-2 RAG开发6个阶段优化策略分析
40 3-3 多查询重写策略提升检索准确性
41 3-4 RAG多查询结果融合策略
42 3-5 问题分解策略提升复杂问题检索正确率
43 3-6 Step-Back回答回退策略实现前置检索
44 3-7 混合策略实现doc-doc对称检索
45 3-8 集成多种检索器算法实现混合检索
46 3-9 检索器的逻辑路由缩减检索范围

本周知识点

大模型RAG应用开发基础及入门-本章介绍
本章主要学习大语言模型 RAG 应用开发的基础，涵盖：出现幻觉的原因、缓解方案、向量数据库相关知识、几种类型的向量数据库配置与使用、文本嵌入模型的使用及用途、基础RAG应用开发。
01. 大模型出现幻觉及缓解方案
了解大语言模型出现幻觉的原因，涵盖数据层面、模型层面的相关解释，以及幻觉的评估基准。
了解常见的大语言模型幻觉缓解方案，涵盖了调整模型参数、外挂知识、多智能体互动、加入诚实样本等。
学习什么是RAG以及基础架构，并尝试在ChatGPT上手动模拟RAG的运行流程加深理解。
02. AI应用开发利器——向量数据库
学习了解什么是向量数据库，以及使用场景，为什么需要向量数据库，与传统数据库之间的差异。
了解什么是词向量，在LLM应用开发中的用途，掌握几种常见的词向量相似度计算方法，了解向量数据库的索引和搜索，底层如何加速相似度搜索过程。
掌握各类向量数据库的配置部署与使用，涵盖商用类型、云端数据库、开源本地部署等。
03. 文本嵌入模型与RAG应用初步开发
了解什么是文本嵌入模型，掌握利用文本嵌入模型提取非结构化数据的特征。
了解几种不同类型的文本嵌入模型使用技巧，不同维度的词向量使用的场景与优缺点。
利用 LangChain 基于向量数据库构建第一个RAG应用，实现一个基于知识库问答的聊天机器人。

课件与资料（57）

资料可在线预览或下载；视频上传后自动可播。