首页/ 课程/ RAG 检索增强实战
LLM 应用进阶2026-06-01 更新

RAG 检索增强实战

32 课时 16 小时 32 视频 / 图文

RAG（检索增强生成）通过从外部知识库中检索相关信息，帮助大语言模型生成更准确、更实用的回答。这门课围绕真实应用中的 RAG 系统展开：你将先理解检索与生成如何配合，再学习向量数据库、混合检索、提示词设计、系统评估与生产部署中的关键权衡。

学完这门课，你能做到：

  • 理解检索与生成如何协同，能设计可靠、可评估的 RAG 系统
  • 掌握向量检索、混合检索、BM25 + ANN 等常见检索技术
  • 能判断不同 Embedding / 向量库的适用场景并做正确选型
  • 能围绕延迟、成本、上下文窗口做出更稳的生产工程决策
  • 完成企业知识库端到端项目，可用于面试展示
课程咨询
🔍
小红书咨询报名

📕 私信「兔老板工作室」小红书，立即咨询报名

私信即报 · 无需平台付款 · 长期有效

课程分为 5 大模块，共 32 课时。

01 RAG 基础与架构
6 课时 · 3 小时
+
  • 为什么需要 RAG：LLM 的三大局限28 min
  • RAG 架构全景：检索器 / 知识库 / LLM / 评估30 min
  • 向量检索原理：ANN 算法 HNSW / IVF32 min
  • 混合检索：BM25 + 向量检索28 min
  • RAG 范式演进：Naive / Advanced / Modular30 min
  • 基础模块小测：12 道高频面试题28 min
02 向量数据库与 Embedding
8 课时 · 4 小时
+
  • Milvus 架构与索引选择32 min
  • Qdrant / Weaviate / pgvector 对比30 min
  • Embedding 模型选型：BGE / M3E / OpenAI32 min
  • Embedding 微调：领域适配技巧34 min
  • Chunking 策略：固定 / 语义 / 层次30 min
  • 文档预处理：清洗、结构化、表格处理28 min
  • 向量库模块小测：15 道高频面试题32 min
03 检索优化进阶
6 课时 · 3 小时
+
  • 重排序（Rerank）：BGE-reranker / Cohere30 min
  • Query 改写：HyDE / Multi-Query / Step-Back32 min
  • 多跳检索与子问题分解28 min
  • 上下文压缩与信息密度优化26 min
  • 检索优化小测：10 道高频面试题28 min
04 生成与端到端项目
6 课时 · 3 小时
+
  • Prompt 模板：引用溯源与格式控制26 min
  • 流式生成与前端集成28 min
  • 企业知识库端到端项目（上）38 min
  • 企业知识库端到端项目（下）40 min
  • 性能优化与降本策略28 min
  • 项目模块小测：10 道高频面试题26 min
05 评估体系
6 课时 · 3 小时
+
  • RAGAS 评估指标详解30 min
  • TruLens / DeepEval 对比28 min
  • 如何构建领域评估集32 min
  • A/B 测试与线上监控28 min
  • 评估闭环与持续优化26 min
  • 评估模块小测：8 道高频面试题24 min

🎯 适合谁

  • 想入门 / 进阶 LLM 应用开发的工程师
  • 正在面试 LLM 应用 / RAG 岗位的求职者
  • 后端工程师想转 LLM 应用方向
  • 已经在做 RAG 但想系统化梳理的工程师

🚀 学完你能收获

  • 完整的工业级 RAG 系统设计能力
  • 主流向量库 / Embedding 的选型决策能力
  • 1 个端到端可展示的企业级 RAG 项目
  • 55 道高频 RAG 面试题的标准答案
  • 评估闭环与持续优化的工程思维

📋 前置要求

  • 熟悉 Python 异步编程
  • 了解基本的 LLM 调用（OpenAI / 通义千问）
  • 无需向量数据库经验，从 0 起步

⏰ 学习节奏

  • 总时长 16 小时，建议 3-4 周完成
  • 每周 8 课时 + 周末项目实战
  • 报名后立即开通，永久回看
兔老板

博主介绍

中科院博士 · 资深算法工程师 · 100+ 真实面试官 · 公众号「松鼠NLP」作者

查看完整博主介绍 →

RAG 是 LLM 应用岗位的必考点

入门首选课，关注小红书「兔老板工作室」立即咨询报名。

小红书咨询报名