Autoplay
Autocomplete
Previous Lesson
Complete and Continue
深⼊LLM与RAG 原理、实现与应⽤
深入LLM与RAG 原理、实现与应用
【最新更新】大模型RAG实战项目 Chatbot本地化部署 (8:04)
课程总览 (9:10)
移动端学习指南（Teachable App）
通过淘宝或微信小店购买
课程资源中心
精品课程专享Discord频道/微信群入口
第一章 配置云服务器与本机的开发环境
配置开发环境 (24:39)
第二章 深入检索增强生成（RAG）
RAG检索增强生成概览 (16:53)
RAG框架及其分类 (19:56)
构建高效的RAG知识库 (9:27)
第三章 检索器技术的深度探索
稀疏检索器基础：功能、应用与算法解析 (10:57)
深入理解BM25算法：实现细节与参数意义 (16:28)
密集检索算法概论：原理、应用与稀疏检索对比 (6:38)
密集检索技术应用：embedding与文本召回实践 (11:45)
第四章 Embedding技术深度探索与应用
Embedding相似性计算的四种主流框架 (23:04)
BCE项目环境配置说明：基于Docker进行代码实践 (10:14)
BCE项目快速入门与实践 (18:11)
案例实践：基于BCE与LangChain文档召回 (9:57)
案例实践：基于BCE与llamaIndex文档召回 (15:35)
FlagEmbedding 案例实践：排序模型应用与模型微调 (26:04)
FlagEmbedding 案例实践：重排模型应用与模型微调 (17:50)
FlagEmbedding：深入BGE-M3算法原理精讲-上集 (19:39)
FlagEmbedding：深入BGE-M3算法原理精讲-下集 (11:44)
FlagEmbedding 案例实践：BGE-M3应用与微调 (12:45)
FlagEmbedding集成工具包C-Pack简述 (7:00)
生成式与生成密集检索算法概述 (9:47)
⽣成器模块优化 (7:46)
第五章 实战项目：Embedding模型服务独立部署
基于FastAPI实现embedding模型服务部署-上集 (21:51)
基于FastAPI实现embedding模型服务部署-下集 (22:36)
基于Text-Embedding-Inference实现embedding模型服务部署 (22:37)
第六章 深入理解RAG评估指标
深入解析RAG检索模块：评估指标算法原理精讲（上集） (10:27)
深入解析RAG检索模块：评估指标算法原理精讲（下集） (19:26)
深入解析RAG生成模块：评估指标算法原理精讲（上集） (11:35)
深入解析RAG生成模块：评估指标算法原理精讲（下集） (12:11)
第七章 深入RAG评估框架RAGAS：案例实践与源码解析
RAGAS案例实践资料
探索RAGAS评估框架：核心指标原理精讲 (24:40)
RAGAS评估框架案例实践：快速入门 (11:42)
案例实践 应用RAGAS评估框架：忠诚度指标 (7:23)
源码解析 深入RAGAS评估框架：忠诚度指标 (15:12)
案例实践 应用RAGAS评估框架：评估答案相关性指标 (4:32)
源码解析 深入RAGAS评估框架：评估答案相关性指标 (12:38)
案例实践 应用RAGAS评估框架：上下文精确度指标 (4:18)
源码解析 深入RAGAS评估框架：上下文精确度指标 (12:58)
案例实践 应用RAGAS评估框架：上下⽂召回率指标 (7:08)
源码解析 深入RAGAS评估框架：上下文召回率指标 (16:23)
案例实践 应用RAGAS评估框架：答案相似性与正确性指标 (7:29)
源码解析 深入RAGAS评估框架：答案相似性与正确性指标 (17:36)
案例实践 应用RAGAS评估框架：多维度评判指标 (2:54)
源码解析 深入RAGAS评估框架：多维度评判指标 (7:55)
案例实践 应用RAGAS评估框架：Prompt语⾔⾃适应 (7:47)
案例实践 应用RAGAS评估框架：基于⾃定义LLM进⾏评估 (6:15)
第八章 实战项目：构建FAQ-Chatbot聊天机器人（自研项目）
FAQ-ChatBot 实战项目资料
FAQ-Chatbot聊天机器人：项目概览与功能介绍 (18:44)
基于ElasticSearch和Kibana搭建FAQ-Chatbot：容器化部署详解 (14:57)
基于Docker部署FAQ-Chatbot聊天机器人并进行服务测试 (29:20)
实现FAQ-Chatbot聊天机器人多服务部署：Docker-Compose容器编排 (12:31)
深入FAQ-Chatbot聊天机器人项目：核心源码与实现思路解析 (33:07)
第九章 实战项目：构建Langchain-Chatchat问答机器人（自研Elasticsearch知识库功能）
Langchain-ChatChat 实战项目资料
Langchain-Chatchat 0.2.0 智能问答机器人：项目介绍与运行演示 (15:22)
Langchain-Chatchat 0.2.0 服务器环境配置与部署 (25:28)
启动Langchain-Chatchat 0.2.0 服务并通过Web界面交互 (20:04)
基于ElasticSearch和Kibana对Langchain-Chatchat 0.2.0 进行容器化部署 (37:01)
深入Langchain-Chatchat 0.2.0：Startup核心源码解析 (18:36)
深入Langchain-Chatchat 0.2.0：交互模块chat源码解析 (20:17)
深入Langchain-Chatchat 0.2.0：重排模块Reranker源码解析 (12:18)
深入Langchain-Chatchat 0.2.0：知识库模块knowledge_base源码解析（上） (23:13)
深入Langchain-Chatchat 0.2.0：知识库模块knowledge_base源码解析（下） (14:07)
深入Langchain-Chatchat 0.2.0：加载器模块loader源码解析 (11:58)
Langchain-Chatchat 0.3.1 项目环境配置与依赖包安装 (15:15)
Langchain-Chatchat 0.3.1 方案一 基于XInference进行大模型与RAG服务部署 (34:46)
方案二_基于Docker容器化部署Langchain-chatchat服务（上集-部署ElasticSearch和Kibana服务） (18:12)
方案二_基于Docker容器化部署Langchain-chatchat服务(下集-构建Dockerfile与镜像文件，全流程部署服务) (26:36)
第十章 深入论文解读：探索RAG的科学基础
探索RAG的起源：Meta的开创性论文详解 (17:53)
Self-RAG 剖析：核⼼算法和实现思路（上） (22:38)
Self-RAG 剖析：核⼼算法和实现思路（下） (15:25)
RAG模块优化策略：多篇论文综述 (15:29)
【最新更新】大模型RAG实战项目 Chatbot本地化部署
Complete and Continue
Discussion
0
comments
Load more
Lesson Content Locked
Your session expired. Please sign in again to continue.
Login
0 comments