Name: 使用 LangChain 进行检索增强生成的基本原理
Availability: InStock

使用 LangChain 进行检索增强生成的基本原理

检索增强生成（Retrieval-Augmented Generation，简称RAG）是一种强大的技术范式，它结合了信息检索与生成式人工智能模型的优势，能够生成准确且符合上下文的结果。该方法通过引入外部知识源，显著提升了生成模型在各类应用中的效率。本入门级RAG课程将带领学习者掌握RAG的核心概念，全面理解其架构与应用场景。你将学习如何使用LangChain构建RAG流水线，并通过实践动手开发自己的第一个RAG解决方案。此外，你还将利用Streamlit创建一个完整的前端应用，从而简化用户与项目的交互体验。完成本课程后，你将具备运用RAG原理和技术的能力，能够基于LangChain和Streamlit构建实用的RAG应用，为深入学习更高级的概念打下坚实基础。

6 Lessons

Content

6 Lessons • 0 Quizzes • 0 Challenges

开始学习

1
为何选择RAG以及本课程？

RAG 基础知识

1
理解检索模型与生成模型
2
什么是检索增强生成（Retrieval-Augmented Generation，RAG）？
3
索引基础：RAG 如何组织数据？
4
RAG 管道的高效检索策略
5
测验：测试你对RAG基础知识的掌握程度

结论

1
总结

RAG 和 LangChain

1
使用 LangChain 进行文档的索引与检索
2
使用 LangChain 创建增强查询
3
使用 LangChain 生成基于上下文的响应
4
测验：巩固你的 LangChain 和 RAG 技能

为我们的RAG系统构建前端

1
什么是Streamlit？——初学者入门介绍
2
在 Streamlit 中构建一个问答系统界面
3
将 LangChain 逻辑集成到你的 Streamlit 应用中
4
测验：测试你的前端与 Streamlit 知识

挑战

1
挑战：在向量数据库之间进行切换
2
解决方案：在向量数据库之间迁移
3
挑战：在RAG中支持PDF文件上传
4
解决方案：在RAG中支持PDF文件上传
5
挑战：为多个文件构建一个问答系统
6
解决方案：构建用于多个文件的问答系统

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

使用 LangChain 进行检索增强生成的基本原理

WHAT YOU'LL LEARN

TAKEAWAY SKILLS

Content

为何选择RAG以及本课程？

理解检索模型与生成模型

什么是检索增强生成（Retrieval-Augmented Generation，RAG）？

索引基础：RAG 如何组织数据？

RAG 管道的高效检索策略

测验：测试你对RAG基础知识的掌握程度

总结

使用 LangChain 进行文档的索引与检索

使用 LangChain 创建增强查询

使用 LangChain 生成基于上下文的响应

测验：巩固你的 LangChain 和 RAG 技能

什么是Streamlit？——初学者入门介绍

在 Streamlit 中构建一个问答系统界面

将 LangChain 逻辑集成到你的 Streamlit 应用中

测验：测试你的前端与 Streamlit 知识

挑战：在向量数据库之间进行切换

解决方案：在向量数据库之间迁移

挑战：在RAG中支持PDF文件上传

解决方案：在RAG中支持PDF文件上传

挑战：为多个文件构建一个问答系统

解决方案：构建用于多个文件的问答系统

Certificate of Completion

Reviews

Reviews & Comments (0)

使用 LangChain 进行检索增强生成的基本原理

WHAT YOU'LL LEARN

TAKEAWAY SKILLS

Content

1. 开始学习了解检索增强生成（RAG）的原理、架构，以及它如何提升人工智能在实际应用中的准确性。

为何选择RAG以及本课程？

2. RAG 基础知识了解RAG背后的逻辑、其核心组件以及索引和检索等策略，为构建扎实的RAG系统打下基础。

理解检索模型与生成模型

什么是检索增强生成（Retrieval-Augmented Generation，RAG）？

索引基础：RAG 如何组织数据？

RAG 管道的高效检索策略

测验：测试你对RAG基础知识的掌握程度

3. 结论使用 LangChain 实现 RAG 系统的实际应用，并探索其高级功能。

总结

4. RAG 和 LangChain探索在 LangChain 中实现索引、查询和响应生成，以增强你的 RAG 系统。

使用 LangChain 进行文档的索引与检索

使用 LangChain 创建增强查询

使用 LangChain 生成基于上下文的响应

测验：巩固你的 LangChain 和 RAG 技能

5. 为我们的RAG系统构建前端使用 Streamlit 和 LangChain 为你的 RAG 系统构建一个用户友好的前端界面，实现与处理流程的无缝交互。

什么是Streamlit？——初学者入门介绍

在 Streamlit 中构建一个问答系统界面

将 LangChain 逻辑集成到你的 Streamlit 应用中

测验：测试你的前端与 Streamlit 知识

6. 挑战应对高级挑战以提升你的系统，例如处理向量存储的转换以及支持多种文件格式。

挑战：在向量数据库之间进行切换

解决方案：在向量数据库之间迁移

挑战：在RAG中支持PDF文件上传

解决方案：在RAG中支持PDF文件上传

挑战：为多个文件构建一个问答系统

解决方案：构建用于多个文件的问答系统

Certificate of Completion

Reviews

Reviews & Comments (0)