Build your ultimate AI agent
课程介绍
使用 LangChain 构建 RAG 系统
检索增强生成（RAG）是一种用于克服大型语言模型（LLM）主要局限之一的技术：其知识有限。 RAG 系统将来自多种来源的外部数据集成到 LLM 中。 将多个不同系统连接起来的过程通常很繁琐，但 LangChain 让这一切变得轻而易举！学习最先进的切分与检索方法
升级你的 RAG 架构！你将学习如何加载和拆分代码文件，包括 Python 和 Markdown 文件，以确保拆分“感知”代码语法。 你将使用标记而不是字符来拆分文档，以确保检索到的文档保持在模型的上下文窗口内。 了解语义切分如何通过检测文本中主题何时发生变化，并在这些位置进行拆分，从而帮助保留上下文。 最后，学习如何使用 LangSmith 和 Ragas 对您的 RAG 架构进行稳健评估。探索图 RAG 架构
颠覆您的 RAG 架构，了解基于图而非基于向量的 RAG 系统如何提升系统对文档中实体和关系的理解。 你将学习如何使用 LLM 将非结构化文本数据转换为图表！然后，你将把这些图文档存储到 Neo4j 图数据库中，并将其集成到更广泛的 RAG 系统中，以完成该应用程序。先修要求
课程大纲
课程大纲
1
使用 LangChain 构建 RAG 应用
学习如何使用 LangChain 将外部数据源集成到对话模型中。掌握在 LLM 应用中用于加载、切分、嵌入、存储与检索数据的方法。
2
改进 RAG 架构
学习用于加载、切分与检索文档的前沿技术，包括加载 Python 文件、语义切分，以及使用 MRR 和自查询（self-query）检索方法。并学习使用稳健的指标与框架评估您的 RAG 架构。
3
Graph RAG 入门
了解图数据库与检索如何克服传统基于向量的存储与检索的一些限制。
使用 LangChain 的 Retrieval Augmented Generation (RAG)
课程完成
