这门课解决什么工作场景
RAG（检索增强生成）是目前企业落地大模型最主流的技术方案之一，核心要解决的是大模型"幻觉"和"知识滞后"两个痛点。西瓜老师的这套课程不聊虚的概念，而是直接切入工程实战：如何把企业内部文档、知识库与 LLM 结合，构建一个既能准确检索又能高质量生成的完整系统。
课程聚焦于真实工作场景中的常见需求——比如智能客服、文档问答、知识检索系统等。如果你在工作中需要让 AI 读懂你的私有数据，或者想独立搭建一套基于企业知识库的问答应用，这套内容能给你一套可落地的技术路径。它不是泛泛介绍 RAG 是什么，而是教你怎么动手做出来。
适合什么基础、建议先看哪几块
这套课适合有一定 Python 基础、了解大模型基本概念但还没动手做过完整项目的学习者。门槛不算低，但也不需要你有深厚的机器学习背景，只要你能写基础代码、理解 API 调用逻辑，就可以跟上节奏。
建议学习顺序如下：先通览整体项目架构，理解 RAG 全流程的数据走向——从文档解析、切片、向量化存储，到检索匹配、上下文拼接，再到最终的 LLM 生成。重点放在前半段的工程实现部分，这部分是后续所有优化的基础。等你对整个链路有了清晰认知，再回头深挖每个环节的细节调优，效率会更高。不要一开始就陷入某个库的配置细节，先看清全局再深入局部。
学完能独立做什么、资料怎么配合练习
学完这套课，你应该能够独立完成一个完整的 RAG 问答系统原型，包括数据预处理、向量库搭建、检索策略配置以及生成效果的优化调整。更重要的是，你会建立一套评估 RAG 效果的思路，知道怎么判断召回率、回答质量是否达标，这在面试和项目汇报中都是加分项。
资料部分通常包含代码示例、配置文件和案例数据集，建议边看视频边跟着敲代码，不要只看不练。遇到报错或效果不达预期的情况，对照资料里的参考实现逐步排查，这是掌握这项技能最高效的方式。如果遇到资料缺失或版本不一致的问题，不要纠结，直接记录问题并在社区或群里提问，这本身就是工程实践的一部分。
51CTO西瓜老师-2026年AI大模型RAG项目实战课【实战课】
本课程隶属 加密课程 · 51CTO学堂，包含完整课程目录与配套资料，购买后联系客服获取下载方式；会员可直接免费下载。
课程目录
AI大模型RAG项目实战课/ 选修RAG开发工具选修评估/ 01 选型评估之用向量数据库还是知识图谱？_ .sz 02 选型评估之RAG常见的落地方案有哪些？ .sz 03 选型评估之有哪些优秀的RAG在线开发平台？ .sz 04 选型评估之有哪些优秀的RAG的开源项目？ .sz 05 选型评估之有哪些优秀的RAG的效果评估工具？ .sz 06 选型评估之有哪些优秀的向量数据库？ .sz 07 选型评估之有哪些落地的技术栈分享？ .sz 1 课程介绍 .sz 10 LangChain总体架构设计之LangChain总体架构剖析 .sz 100 高性能知识库之代码落地-基于知识库问答流程复现 .sz 101 高性能知识库之代码落地-基于知识库RAG代码剖析 .sz 102 高性能知识库之代码落地-效果评估方案选型 .sz 103 高性能知识库之代码落地-效果评估关键指标剖析 .sz 104 高性能知识库之代码落地-效果评估工具Trulens演示 .sz 105 高性能知识库之代码落地-效果评估工具Ragas演示 .sz 106 高性能知识库之代码落地-效果评估工具自研代码设计思路 .sz 107 高性能知识库之代码落地-效果评估工具自研数据处理代码实现 .sz 108 高性能知识库之代码落地-效果评估工具自研提示词模板代码实现 .sz 109 高性能知识库之代码落地-效果评估工具自研检索器代码实现(上) .sz 11 LangChain总体架构设计之RAG架构支持 .sz 110 高性能知识库之代码落地-效果评估工具自研检索器代码实现(下) .sz 111 高性能知识库之代码落地-效果评估工具自研模型管理代码实现 .sz 112 高性能知识库之代码落地-效果评估工具自研指标定义代码实现 .sz 113 高性能知识库之代码落地-效果评估工具自研代码测试 .sz 114 高性能知识库之代码落地-rerank算法原理 .sz 115 高性能知识库之代码落地-rerank算法效果复现 .sz 116 高性能知识库之代码落地-rerank算法代码实现 .sz 117 高性能知识库之代码落地-联网问答开发目标 .sz 118 高性能知识库之代码落地-联网问答搜索工具介绍 .sz 119 高性能知识库之代码落地-联网问答实时检索流程代码开发 .sz 12 LangChain总体架构设计之Agent架构支持 .sz 120 高性能知识库之代码落地-联网问答Docker安装部署 .sz 121 高性能知识库之代码落地-联网问答Milvus安装部署 .sz 122 高性能知识库之代码落地-联网问答数据入库代码设计 .sz 123 高性能知识库之代码落地-联网问答效果复现 .sz 124 高性能知识库之代码落地-联网问答流程代码落地 .sz 125 高性能知识库之代码落地-问答推荐开发目标(1) .sz 126 高性能知识库之代码落地-问答推荐数据特征工程(2) .sz 127 高性能知识库之代码落地-问答推荐效果复现之特征工程(3) .sz 128 高性能知识库之代码落地-问答推荐效果复现之数据入库(4) .sz 129 高性能知识库之代码落地-问答推荐效果复现之服务测试(5) .sz 13 LangChain总体架构设计之核心API设计剖析 .sz 130 高性能知识库之代码落地-问答推荐代码落地(6) .sz 131 高性能知识库之代码落地-基于Agent问答原理分析(1) .sz 132 高性能知识库之代码落地-基于Agent问答目标设计(2) .sz 133 高性能知识库之代码落地-基于Agent问答LangChain支持(3) .sz 134 高性能知识库之代码落地-基于Agent问答效果复现(4) .sz 135 高性能知识库之代码落地-基于Agent问答代码落地(5)_ .sz 136 01 RAG性能优化之建议使用多路召回方案_ .sz 137 02 RAG性能优化之Embedding模型的选择 .sz 138 03 RAG性能优化之表格数据处理方案 .sz 139 04 RAG性能优化之相似度不准问题 .sz 14 Model IO之贯穿整个课程的业务场景引入 .sz 140 05 RAG性能优化之幻觉问题 .sz 141 06 RAG性能优化之高性能的模型管理方案_ .sz 142 07 RAG性能优化之基于语义相似度缓存一致性方案 .sz 143 08 RAG性能优化之设计反馈机制 .sz 144 09 RAG性能优化之设置可解释性 .sz 145 10 RAG性能优化之推理资源设计 .sz 146 11 RAG性能优化之图文知识库设计方案_ .sz 147 12 RAG性能优化之效果评估方案_ .sz 15 Model IO之LangChain官网介绍 .sz 16 Model IO之Model IO总体概述 .sz 17 Model IO之模型调用API实践 .sz 18 Model IO之Prompts使用str.format构建模版 .sz 19 Prompts使用Few-Shot构建模版 .sz 2 RAG 流程详细剖析 .sz 20 Model IO之Prompts使用ExampleSelector构建模版(上) .sz 21 Model IO之Prompts使用ExampleSelector构建模版(下) .sz 22 Model IO之Prompts使用自定义示例器构建模版 .sz 23 Model IO之Output Parser .sz 24 Model IO之Ollama工具部署和私有模型部署 .sz 25 Model IO之LangChain调用私有模型 .sz 26 Model IO之大模型外部函数调用流程剖析 .sz 27 Model IO之LangChain调用在线模型的外部函数 .sz 28 Model IO之自定义关于外部函数的解析器 .sz 29 Model IO之LangChain调用开源模型的外部函数 .sz 3 大模型应用落地痛点剖析_ .sz 30 Chains之设计理念和意义 .sz 31 Chains之基于LCEC语言构建的Chains .sz 32 Chains之历史的Chains中的最简单的Chain .sz 33 Chains之历史的Chains中的SimpleSequentialChain .sz 34 Chains之历史的Chains中的SequentialChain .sz 35 Chains之历史的Chains中的RouterChain .sz 36 Chains之全链路中实现调用天气函数 .sz 37 Chains之全链路中实现调用gp信息函数 .sz 38 Chains之全链路中实现全流程跑通 .sz 39 Memory之为什么会出现Memory模块？ .sz 4 RAG 关键问题剖析_ .sz 40 Memory之如何自定义Memory功能？ .sz 41 Memory之自定义实体识别的Memory功能 .sz 42 Memory之内置模块ConversationBufferMemory .sz 43 Memory之内置模块ConversationBufferWindowMemory .sz 44 Memory之内置模块Entity .sz 45 Memory之内置模块单独使用Memory .sz 46 Memory之内置模块ConversationSummaryMemory .sz 47 Agents之Agent架构的意义 .sz 48 Agents之Chains模块的优劣势 .sz 49 Agents之LangChain Agents的设计理念 .sz 5 RAG 架构演进之Naive RAG .sz 50 Agents之自定义 Agents .sz 51 Agents之LangChain提供的抽象 .sz 52 Agents之自定义ReAct方式的Agents .sz 53 Agents之LangChain提供的ReAct Agent抽象 .sz 54 Agents之LangChain提供的XML Agent抽象 .sz 55 LangChain升级说明_ .sz 56 Retrieval之设计理念和意义 .sz 57 Retrieval之loader .sz 58 Retrieval之Transformers .sz 59 Retrieval之Embedding Model .sz 6 RAG 架构演进之Advanced RAG .sz 60 Retrieval之vector store .sz 61 Retrieval之Retrievers .sz 62 LangChain API总结与展望 .sz 63 高性能知识库之需求分析(上) .sz 64 高性能知识库之需求分析(下) .sz 65 高性能知识库之架构设计 .sz 66 高性能知识库之详细设计-知识管理平台 .sz 67 高性能知识库之详细设计-智能对话 .sz 68 高性能知识库之详细设计-知识库 .sz 69 高性能知识库之详细设计-联网在线问答 .sz 7 微调 和 RAG 方案选型 .sz 70 高性能知识库之详细设计-问答推荐 .sz 71 高性能知识库之详细设计-基于Agent的RAG_ .sz 72 高性能知识库之技术选型 .sz 73 高性能知识库之资源评估 .sz 74 高性能知识库之代码落地-开发目标和环境准备(1) .sz 75 高性能知识库之代码落地-本地连接远程服务器(2) .sz 76 高性能知识库之代码落地-虚拟环境创建和依赖安装(3) .sz 77 高性能知识库之代码落地-项目运行(4) .sz 78 高性能知识库之代码落地-项目测试(5) .sz 79 高性能知识库之代码落地-开源模型部署(6) .sz 8 RAG 的应用落地场景 .sz 80 高性能知识库之代码落地-智能问答流程开发目标(1) .sz 81 高性能知识库之代码落地-智能问答项目启动和测试(2) .sz 82 高性能知识库之代码落地-智能问答表结构梳理(3) .sz 83 高性能知识库之代码落地-智能问答多进程多线程和异步编程(4) .sz 84 高性能知识库之代码落地-智能问答模型管理原理(5) .sz 85 高性能知识库之代码落地-智能问答模型管理流程演示(6) .sz 86 高性能知识库之代码落地-智能问答服务启动流程剖析(7) .sz 87 高性能知识库之代码落地-智能问答用户请求流程剖析(8) .sz 88 高性能知识库之代码落地-智能问答浏览器推流技术(9) .sz 89 高性能知识库之代码落地-知识管理开发目标和表结构设计 .sz 9 LangChain总体架构设计之什么是LangChain .sz 90 高性能知识库之代码落地-知识管理开发向量数据库选型 .sz 91 高性能知识库之代码落地-知识管理开发代码设计(上) .sz 92 高性能知识库之代码落地-知识管理开发代码设计(下) .sz 93 高性能知识库之代码落地-知识管理亿级wiki语料数据准备 .sz 94 高性能知识库之代码落地-知识管理亿级wiki语料数据处理 .sz 95 高性能知识库之代码落地-知识管理私有PDF文件处理方案 .sz 96 高性能知识库之代码落地-知识管理私有PDF文件处理(上) .sz 97 高性能知识库之代码落地-知识管理私有PDF文件处理(下) .sz 98 高性能知识库之代码落地-知识管理全流程代码剖析 .sz 99 高性能知识库之代码落地-知识管理数据验证_ .sz AI大模型RAG项目实战课.png 配套资料.zip
