满分 RAG：从基础流水线到智能体与质量防护

跑通文档加载、切分、嵌入、检索与回答，建立可用于后续对照的 RAG 基线

比较分块、查询改写、混合检索与重排序，找出证据遗漏和上下文噪声的来源

组织多轮检索与工具调用，理解智能体、图谱和记忆方案的适用场景与调用成本

串联 PDF 页面检索与视觉模型回答，检查表格、图示和正文是否被正确使用

用评估指标、回归测试与依据检查审视答案，设计证据不足时的拒答机制

知识库已经接上大模型，答案却仍不稳定：有时检索不到关键资料，有时找到的片段缺少上下文，有时证据明明不足，模型仍给出流畅回答。面对这些问题，下一步应该调整分块、补充召回、增加重排，还是改变整个回答流程？这门课围绕这些具体选择展开。

课程用 40 个 Notebook、约 23 小时 55 分钟视频，带你从一条基础 RAG 流水线逐步走向自适应检索、智能体、知识图谱、长期记忆与多模态问答。每个专题围绕一个问题拆解方法，结合代码、检索证据、保存结果和对照实验，观察改动带来的收益、额外开销与失败情况。

案例使用技术文档、百科资料、公开财报与研究论文。你会练习处理精确词项查找、跨段落问题、全局主题概括和 PDF 图表问答，再用 RAGAS、DeepEval、链路诊断与答案依据检查审视结果。课程中的方法可用于规划和改进企业知识库、技术支持与专业资料分析项目；实际效果需要回到自己的资料和问题集验证。

学习采用视频讲解与 Jupyter 在线实操相结合的方式，配套 40 份 Notebook、样例语料和实验代码。建议具备 Python 基础，能阅读函数、列表与字典，并了解大模型 API、向量检索和 API Key 的基本概念。课程为中文讲解，部分资料、提示词与模型输出为英文。调用外部对话、嵌入或视觉模型时，需要自备兼容服务的 API Key，调用费用由服务商另行计收。

登录后可免费学习第 1、2、18、40 课的完整视频与在线实操，共约 2 小时 32 分钟：先熟悉组件并跑通基础 RAG，再体验混合检索与答案依据检查。第 18、40 课会自行加载资料并建立索引，可在完成基础两课后直接学习。其余章节需具备本课完整学习权益；有效年度会员可学习平台全部已发布课程。课程资料 ZIP 下载另按平台付费权益开放。

正在搭建知识库问答的开发者：希望从基础流水线继续深入，能针对检索遗漏、上下文噪声和回答失真选择改进方法

已经做过 RAG 或 Agent 项目的工程师：希望系统比较多种检索与编排方案，用实验判断更复杂的方法是否值得引入

负责 AI 项目方案与技术评估的负责人：希望把效果问题拆解到具体环节，结合质量、调用成本和实现条件安排优化顺序

具备 Python 基础的产品与数据从业者：能阅读函数、列表和字典，希望跟随 Notebook 理解企业资料问答的能力、限制与验收方法