这门课解决什么工作场景
很多技术团队在做企业内部知识问答时，会直接把文档塞给大模型，结果发现模型经常胡编乱造，或者回答不出公司内部的专有业务细节。RAG（检索增强生成）就是专门解决这个问题的技术路径：先从企业本地知识库里检索出相关片段，再把片段连同问题一起喂给大模型生成最终答案。这门课聚焦的就是企业级 RAG 项目的落地，重点解决私有化模型部署、检索链路搭建、以及用 FastAPI 把整套逻辑封装成可调用的服务。学完之后，你能独立搭出一个基于本地大模型和企业文档的问答系统，而不是停留在调调在线接口的演示阶段。
适合什么基础，建议先看哪几块
这门课不适合零基础转行的人。看资料包里的线索，第一周就要本地部署 GLM4-9B 模型、写代码调用本地模型、用 LangChain 搭应用框架、再用 FastAPI 做接口封装。这些操作默认你已经会 Python 基本语法、能看懂简单的 Web 接口逻辑、有一台显存够用的机器或者愿意用云服务器。如果你连 Python 环境都没配过，建议先补基础再看。如果你有后端开发经验或者做过简单的 LLM 应用，可以直接上手。建议先看第一周关于 GLM 本地部署和在线 API 调用的部分，把模型跑通、能对话，再看 LangChain 框架介绍和 FastAPI 项目结构，最后跟着周任务把检索和生成链路串起来。
资料怎么配合练习，学完能独立做什么
这套资料的节奏是按周推进的，每周有明确的开发任务说明，所以最好的用法是：先看当周任务说明，明确要交付什么，再倒回去看具体的操作演示。看视频时不要只跟着敲代码，要自己准备一份小型文档库（比如几十页的 PDF 或 Markdown），边学边把检索和问答逻辑跑在自己的数据上。LangChain 和 FastAPI 的部分尤其要自己动手改，比如换一个文档源、改一下接口返回格式，确认自己真的理解了链路而不是抄通了代码。学完之后，你应该能独立完成这几件事：本地部署或在线调用一个大模型、用 LangChain 搭建文档检索和问答的完整链路、用 FastAPI 把这套系统封装成 HTTP 接口供其他业务调用。这正好是企业里做内部知识库问答系统时最核心的交付物，也是这门课比起单纯讲 RAG 概念的课更有实操价值的地方。
阐述RAG（检索增强生成）的概念，解释其工作原理，如通过检索器从知识库中找到相关信息，再结合生成器生成答案，强调其对企业智能化的重要性。
课程目录
* week_1_1_part_1_课程说明及大模型问答功能复现.mp4 (135.84 MB)
* week_1_1_part_2_本地私有化部署glm4-9b-chat模型.mp4 (140.63 MB)
* week_1_1_part_3_调用本地启动的glm4模型的方法.mp4 (109.01 MB)
* week_1_2_part_1_GLM在线API调用方法.mp4 (222.70 MB)
* week_1_2_part_2_Langchain应用框架整体介绍.mp4 (228.96 MB)
* week_1_2_part_3_FastAPI项目介绍.mp4 (50.08 MB)
* week_2_1_part_1_本周开发任务说明.mp4 (31.41 MB)
* week_2_1_part_2_Naive RAG介绍及借助LangChain实现RAG流.mp4 (292.84 MB)
* week_2_1_part_3_RAG集成历史对话信息及SqlalChemy持久化存储的使.mp4 (229.22 MB)
* week_2_2_part_1_通用问答流程整体流程介绍及参数说明.mp4 (221.92 MB)
* week_2_2_part_2_FastChat项目说明及Python多进程.mp4 (170.39 MB)
* week_2_2_part_3_项目启动文件详细说明及流程复现.mp4 (175.17 MB)
* week_3_1_part_1_企业级RAG的构建架构和思路.mp4 (92.47 MB)
* week_3_1_part_2_结合Faiss向量数据的RAG Indexing构建流程.mp4 (175.93 MB)
* week_3_1_part_3_百万量级的wiki公有语料构建方法实践.mp4 (122.30 MB)
* week_3_1_part_4_yolox + orc 识别私有PDF语料的方案实践.mp4 (158.65 MB)
* week_3_2_part_1_本地RAG知识库问答功能链路详解与复现.mp4 (127.26 MB)
* week_3_2_part_2_RAG评估框架-TruLens实践.mp4 (164.82 MB)
* week_3_2_part_3_RAG评估框架-Ragas的使用及借助GLM4生成评估数据.mp4 (244.35 MB)
* week_4_1_part_1_自定义RAG评估Pipeline-构建统一的数据集格式.mp4 (134.00 MB)
* week_4_1_part_2_自定义RAG评估Pipeline-构建统一的提示模板.mp4 (30.18 MB)
* week_4_1_part_3_自定义RAG评估Pipeline-整体逻辑实现及细节说明.mp4 (149.67 MB)
* week_4_1_part_4_自定义RAG评估Pipeline-评估指标及评估流程实现.mp4 (94.20 MB)
* week_4_1_part_5_自定义RAG评估Pipeline-ReRanker原理及实.mp4 (85.35 MB)
* week_4_2_part_1_Serper API联网检索数据预处理过程拆解.mp4 (167.01 MB)
* week_4_2_part_2_基于Serper实现系统架构下的联网实时检索功能.mp4 (279.05 MB)
* week_5_part_1_大模型融入推荐系统一种思路_1.MP4 (54.41 MB)
* week_5_part_2_大模型用于特征工程及实现推荐系统的整体逻辑代码.MP4 (411.41 MB)
* week_5_part_3_基于Langchain实现基于ReAct的代码实践及TOT提示.MP4 (415.36 MB)
* week_5_part_4_项目整体框架下实现基于Agent的问答流程代码实践.ts (93.09 MB)
* week_5_part_5_Docker介绍及借助Docker打包部署完整项目的流程.mp4 (142.86 MB)
