主要内容
RAG基础知识、数据获取与预处理、多向量存储方案、RAG核心逻辑与检索优化、RAG系统评估、日志系统设计、异常处理机制、外部数据源集成、大语言模型集成、生产级系统部署。
特色亮点
1.
采用业界领先的RAG架构，完整构建从数据准备到服务上线的智能问答系统，紧跟AI技术发展趋势。
2.
重点培养系统架构设计能力，包含分层架构设计、模块化设计、数据库设计、API接口设计等技术方案设计。
3.
集成多模态AI技术栈，融合BERT分类模型、BGE嵌入模型、通义千问大模型，构建完整的AI应用生态。
4.
采用Milvus向量数据库，深入讲解向量索引、相似度度量、混合检索等核心概念，掌握现代AI数据存储方案。
5.
实现智能检索策略路由，支持直接检索、HyDE假设检索、子查询检索、回溯检索四种策略，适应不同查询场景。
6.
采用分层文档处理技术，通过父子块拆分平衡检索精度与上下文完整性，解决长文本处理难题。
7.
包含完整的系统评估体系，引入RAGAS评估框架和Agents自动化测试，培养工程化质量保障能力。
8.
采用FastAPI+WebSocket技术，实现流式输出和实时交互，打造生产级AI应用服务。
9.
实现多数据源集成，支持MySQL结构化数据、Redis缓存、Milvus向量数据的协同工作。
10.
注重工程化实践，包含配置管理、日志系统、异常处理、性能监控等企业级开发规范。
11.
采用模块化设计思想，每个核心功能独立封装，便于理解、调试和扩展。
12.
还原真实AI项目开发流程，从数据处理、模型训练到服务部署、性能评估，覆盖全生命周期。
13.
融合多种文件格式处理，支持PDF、Word、PPT、图片（OCR）、Markdown等文档的智能解析。
掌握能力
1.
AI系统架构设计能力，包含RAG系统设计、分层架构设计、技术选型评估、模块划分等系统级设计能力
2.
大语言模型集成能力，包含通义千问API调用、Prompt工程、流式输出处理、对话历史管理等LLM应用开发能力
3.
向量数据库应用能力，包含Milvus集合管理、向量索引优化、相似度搜索、混合检索等向量数据处理能力
4.
智能检索算法实现能力，包含查询分类、策略选择、文档分块、重排序等检索增强生成核心技术
5.
全栈开发能力，包含FastAPI后端开发、WebSocket实时通信、前端接口对接、静态资源服务等Web开发技能
6.
数据处理与向量化能力，包含多格式文档解析、文本分块、嵌入模型使用、稀疏向量处理等数据预处理技能
7.
系统性能评估能力，包含RAGAS评估框架使用、多维度指标分析、自动化测试、性能优化等质量保障能力
8.
工程化开发能力，包含配置管理、日志系统、异常处理、命令行工具开发等软件工程实践能力
9.
多数据源集成能力，包含MySQL关系数据库、Redis缓存、Milvus向量数据库的协同设计与优化能力
10.
问题排查与调试能力，包含系统日志分析、性能瓶颈定位、检索效果调试、模型输出优化等故障排查技能
11.
项目管理与部署能力，包含虚拟环境管理、依赖管理、多环境配置、服务部署等运维相关技能
12.
AI产品思维能力，包含用户需求分析、技术方案设计、效果评估、迭代优化等产品化思维
