大模型應用開發 RAG實戰課

內容簡介

在大模型逐漸成爲智能系統核心引擎的今天，檢索增強生成（RAG）技術爲解決模型的知識盲區以及提升響應準確性提供了關鍵性的解決方案。本書圍繞完整的RAG系統生命週期，系統地拆解其架構設計與實現路徑，助力開發者和企業構建實用、可控且可優化的智能問答系統。 首先，本書以“數據導入—文本分塊—信息嵌入—向量存儲”爲主線，詳細闡述了從多源文檔加載到結構化預處理的全流程，並深入解析了嵌入模型的選型、微調策略及多模態支持；其次，從檢索前的查詢構建、查詢翻譯、查詢路由、索引優化，到檢索後的重排與壓縮，全面講解了提高召回質量和內容相關性的方法；接下來，介紹了多種生成方式及RAG 系統的評估框架；最後，展示了複雜RAG範式的新進展，包括GraphRAG、Modular RAG、 Agentic RAG和Multi-Modal RAG的構建路徑。 本書適合AI研發工程師、企業技術負責人、知識管理從業者以及對RAG系統構建感興趣的高校師生閱讀。無論你是希望快速搭建RAG系統，還是致力於深入優化檢索性能，亦或是探索下一代AI系統架構，本書都提供了實用的操作方法與理論支持。

讀者書評

書籍信息