极客时间 -大模型 RAG 进阶实战营

如果你已经能调通大模型接口、写得出简单问答 Demo，但一放到真实业务里就发现答不准、答不全、答得飘，那这门课值得先了解一下。它不讲大模型原理，也不教你怎么训练模型，而是盯着一个具体问题：怎么让模型在企业文档、产品手册、法务条款这类私有资料上给出可用的回答。RAG 就是干这个的，而这门实战营的定位，是把 RAG 从「能跑通」推到「能上线」。

它解决的是哪一段工作场景

最常见的困境是：检索回来的片段和问题只有字面相似，模型拿着不相关的上下文硬答，结果看起来像模像样但事实错误。课程把这条链路拆开处理，从文档解析、切分策略、向量检索，到重排、上下文压缩、答案生成，每一环都有对应的调试手段。学完之后你能定位到问题出在召回还是生成，而不是笼统地觉得「RAG 效果不好」。

另一个场景是多跳问答和跨文档推理。用户问「A 产品的保修政策在 B 地区是否适用」，单次向量检索往往凑不齐信息。课程里对 Modular RAG、GraphRAG 的讲解，就是针对这类需要组合多个检索结果的问题。这部分内容偏进阶，但恰好是区分玩具项目和可用系统的分水岭。

学完能独立做什么

• 搭建一条完整的文档问答流水线，从原始资料入库到前端可问，中间不依赖黑盒平台；
• 对检索效果做量化评估，用测试集判断改动是变好还是变差，而不是凭感觉调参；
• 处理多模态资料，比如带表格、图文的文档，知道在哪一步接入解析；
• 面对复杂查询时，选择合适的 RAG 范式，而不是所有问题都套同一条链路。

这些能力对应的是 AI 应用开发岗和转行者的实际招聘要求。RAG 已经是企业落地大模型最主流的形态之一，能把链路调稳的人，比只会调 API 的人稀缺得多。

资料结构和适合的基础

资料以视频为主，配有直播答疑文档和答疑回放。组件篇是重点，覆盖了 GraphRAG、Modular RAG、多模态 RAG 等几种复杂范式，说明课程没有停在基础检索上。答疑场次跨了几个月，如果你在实操中卡住，可以对照答疑记录找相似问题。需要注意的是，视频体量不小，答疑回放文件也偏大，建议按章节推进，不要一次性铺开。

这门课不适合零基础。你需要能读懂 Python 代码、了解向量数据库的基本概念、调用过大模型接口。如果这些还不具备，先补基础再回来，否则组件篇会听得吃力。反过来，如果你已经在做 RAG 项目但效果卡住，这门课的排查思路和范式对比会直接帮到你。

怎么用这份资料

别按顺序从头看到尾。先跑通一条最小链路，把课程里的基础章节过一遍，确保自己能复现一个能答的 Demo。然后带着你手上真实的文档和问题去看组件篇，对照哪种范式适合你的场景。每次改动都留一个测试集，前后对比，这样才能把课程里的方法变成你自己的判断力。答疑部分当作工具书，遇到具体报错或效果异常时再翻。

总的来说，这是一门面向已有一定基础、想把 RAG 做扎实的实战课。它不承诺速成，但把该讲清楚的链路和坑都摆出来了。适不适合你，取决于你手上有没有真实的文档问答需求——有，就值得投入；没有，先攒一个场景再学，吸收率会高很多。