极客时间- RAG快速开发实战

先判断一件事：你是否真的需要学 RAG

RAG（检索增强生成）不是万能钥匙，它解决的是一个很具体的问题：大模型本身不知道你企业内部的文档、工单、产品手册，直接问它要么答不上来，要么一本正经地编。RAG 的做法是先把相关资料检索出来，再让模型基于这些资料回答。

所以判断标准很清楚。如果你的工作里存在「有一堆文档，但没人愿意翻」或者「客服/运营每天重复回答同类问题」这类场景，那 RAG 是当前落地成本较低、见效较快的一条路。反过来，如果你的需求只是让模型写写文案、做做总结，不涉及私有知识，那学 RAG 属于过度投入，先把提示词用好更划算。

这门课覆盖的工作场景

从内容组织看，它对应的是 RAG 应用从零到能跑通的全过程，大致落在三类场景上：

• 企业内部知识问答：把制度、手册、历史工单接进对话系统，员工自助查询。
• 文档辅助阅读：面对长文档，让系统定位到相关段落再生成回答，而不是让模型通读全文。
• 原型验证：需要快速搭一个能演示的 Demo，用来判断某类业务值不值得继续投入。

它不是教你怎么训练大模型，也不涉及底层模型微调。这一点要先说清楚：想学训模型的人，这门课不对口。

学完之后，你能独立做什么

按课程推进的节奏，学完比较实际的产出是：能自己拆解一个 RAG 流程，知道数据进来之后怎么切分、怎么转成向量存起来、怎么在提问时把相关内容捞回来，最后怎么组织提示让模型给出回答。中间会遇到的分块策略、Embedding 选择、检索精度不够、回答质量不稳定这些问题，课程都有对应的章节去处理，其中检索优化和效果评估单独成块，这恰恰是多数人自己摸索时最容易卡住的地方。

换句话说，学完你不一定能做出生产级系统，但能独立跑通一条链路，并且在效果不好时知道该从哪一环去查，而不是只能反复改提示词碰运气。

资料适合什么基础

从讲法看，它默认你有基本的编程能力，能看懂 Python 代码、会调用 API，对向量、相似度这类概念不需要预先掌握，课程会从场景和技术原理讲起。如果你完全没有写代码的经验，只看文档会比较吃力，建议先补齐基础再回来。

适合的人大致是：后端或数据方向的开发者，想把手上的文档资源变成可用的问答工具；产品经理或技术负责人，需要判断 RAG 方案可不可行；以及正在做 AI 应用、卡在「检索不准」这一步的人。

怎么用这份资料更省时间

建议不要按顺序从头啃到尾。先看场景和原理那部分，把整体流程在脑子里过一遍，然后直接跳到索引和检索环节，这是 RAG 效果差异最大的地方，值得多花时间。生成和提示工程部分可以快速过，因为这块和通用的大模型使用经验重合度高。最后拿自己手头的一份真实文档去跑，比跟着示例数据练更有价值——真实文档的脏数据和格式混乱，才是你真正要面对的问题。

评估那一节别跳过。很多人做完 Demo 觉得「好像还行」就停了，但回答到底准不准、错在检索还是错在生成，需要有方法来量。这块内容能帮你少走不少弯路。