学习路径： 技术专业人士
掌握 RAG 系统
此起始学习路径探索检索增强生成 (RAG) 系统，涵盖以下核心内容：基础与高级 RAG 技术、LlamaIndex 与 JavaScript 集成、非结构化数据预处理、知识图谱增强型 RAG 架构，以及多模态 RAG 应用。学习者将通过实践掌握矢量数据库、密集段落检索、交叉编码器重新排序、使用 Neo4j 构建知识图谱，以及使用现代框架构建可用于生产的 RAG 应用程序。
学习目标
- 阐释检索增强生成 (RAG) 的原理和架构，区分基础 RAG 与高级 RAG 的技术差异。
- 实现高级 RAG 方法，例如查询扩展、交叉编码器重新排序和密集段落检索等技术，以提升信息检索与答案生成质量。
- 使用 LlamaIndex 和 JavaScript 构建和部署 RAG 应用程序，包括全栈聊天机器人开发以及与矢量数据库的集成。
- 使用专门的框架和分块策略，为 RAG 和 LLM 应用程序预处理和构造非结构化数据（PDF、HTML、PPTX、图像）。
- 将知识图谱和多模态数据集成到 RAG 系统中，利用 Neo4j 和 GPT-4 等工具实现具备上下文感知能力的复杂检索和推荐工作流程。
目标受众
此路径专为希望掌握 RAG 系统并将其运用于实际应用的 AI 工程师、数据科学家、软件开发者和技术专业人士而设计。它适合具有基础编程经验，并希望使用先进的工具和框架构建、优化和部署高级检索增强型 AI 解决方案的学习者。