系列介紹
檢索增強生成是關於檢索增強生成的深入課程——一種允許法學碩士訪問和使用您的私有數據（內部文檔、知識庫、數據庫）以準確和最新回答的技術。
🎯 為什麼RAG很重要？ ** RAG是企業應用的#1技術**，用於解決LLM的3個最大問題：幻覺、知識切斷（舊知識）和特定領域知識（專業知識）。
你會學到什麼？
第 1 部分：RAG 平台
- 第 1 課： RAG 是什麼？架構檢索 → 增強 → 生成
- 第 2 課： 嵌入模型：OpenAI、Cohere、越南語開源
- 第 3 課： 向量資料庫：Chroma、Qdrant、Pinecone — 設定與比較
第 2 部分：文件處理管道
- 第 4 課： 文件載入：PDF、DOCX、Web、YouTube、程式碼儲存庫
- 第 5 課： 分塊策略：固定、語意、遞迴
- 第 6 課： 元資料、過濾和混合搜索
第 3 部分：進階 RAG 技術
- 第 7 課： 查詢轉換：HyDE、多重查詢、Step-Back
- 第 8 課： 重新排名與情境壓縮
- 第 9 課： 🔥 圖 RAG — 知識圖 + 向量搜尋
- 第 10 課： 🔥 Multimodal RAG — 文件中的照片、表格、圖表
第 4 部分：生產 RAG
- 第 11 課： 🔥 代理 RAG — 代理決定何時檢索
- 第 12 課： RAG 評估：RAGAS 框架
- 第 13 課： 部署到生產：API、快取、監控
- 第 14 課： 頂點：「與文件聊天」完成
需要輸入
- 中級 Python（非同步/等待、檔案 I/O、API 呼叫）
- 對LLM和Prompt Engineering的基本了解
- OpenAI 或 Anthropic 帳戶（用於嵌入 + LLM 呼叫）
使用的工具
Python 3.11+ | Ngôn ngữ chính
OpenAI / Anthropic | LLM APIs + Embeddings
ChromaDB / Qdrant | Vector Databases
LangChain | RAG framework
LlamaIndex | Alternative RAG framework
Unstructured.io | Document processing
Neo4j | Graph database (Graph RAG)
RAGAS | RAG evaluation
FastAPI | Production API