mksz920-RAG全栈技术从基础到精通，打造高精准AI应用

mksz920-RAG全栈技术从基础到精通，打造高精准AI应用是什么资源？

核心结论：这是一套全栈技术教程，从基础到精通，专注于RAG全栈技术和高精准AI应用的开发，共115个文件，1.7G。通过本教程，您可以从零开始学习RAG全栈技术，并将其应用于金融智库知识图谱的开发。您还可以学习如何使用Graph RAG和agenticRAG实现自动切换不同信息源。

谁需要这份教程课程资源？

本教程适合对AI技术感兴趣的开发者、数据科学家和金融从业者，他们希望从零开始学习RAG全栈技术，并将其应用于实际项目中。您可能面临的问题是：如何从零开始学习RAG全栈技术？如何将RAG全栈技术应用于金融智库知识图谱的开发？本教程将帮助您解决这些问题。

为什么选择这份教程课程资源？

• 完整度高：包含从基础到精通的全部115个文件
• 实战导向：提供多个实战案例，帮助您掌握RAG全栈技术的实际应用
• 最新技术：介绍Graph RAG和agenticRAG等最新技术，帮助您跟进前沿技术

👇 点击上方 支付下载 按钮即可获取完整资源

这份资源包含哪些具体内容？

本教程包含两个章节：第10章和第11章。第10章专注于基于知识图谱【金融智库】：从RAG到Graph RAG，让企业知识图谱更智能。第11章专注于基于知识图谱【金融智库】：从RAG到agenticRAG，实现自动切换不同信息源。每个章节都包含多个视频文件，分别介绍RAG全栈技术的基础知识、实战应用和进阶技术。

├── 第10章 基于知识图谱【金融智库】：从RAG到Graph RAG，让企业知识图谱更智能
│   ├── 10-1 本章介绍_ev.mp4
│   ├── 10-2 认识金融智库知识图谱数据：特别的知识三元组_ev.mp4
│   ├── 10-3 如何存储和操作知识图谱：neo4j和nebulagraph_ev.mp4
│   ├── 10-4 实战：动手构建金融智库知识图谱-1_ev.mp4
│   ├── 10-5 实战：动手构建金融智库知识图谱-2_ev.mp4
│   ├── 10-6 RAG和Graph RAG有什么区别：如何构建Graph RAG_ev.mp4
│   ├── 10-7 实战：利用Graph RAG构建金融智库知识库应用_ev.mp4
│   └── 10-8 总结和展望：如何自我学习，跟进前沿技术_ev.mp4
├── 第11章 基于知识图谱【金融智库】：从RAG到agenticRAG，实现自动切换不同信息源
│   ├── 11-1 本章介绍_ev.mp4
│   ├── 11-2 大模型的手脚：AI智能体Agent_ev.mp4
│   ├── 11-3 推理和行动并行：ReAct框架_ev.mp4
│   ├── 11-4 基于Agent的多文档RAG Router_ev.mp4
│   ├── 11-5 实战：利用ReAc Agent实现 RAG Router_ev.mp4
│   └── 11-6 本章总结_ev.mp4
├── 第12章 【RAG扩展】企业员工助手-接口和界面开发
│   ├── 12-1 本章介绍_ev.mp4
│   ├── 12-2 演示界面神器：gradio介绍_ev.mp4
│   ├── 12-3 实战：gradio整合两大RAG项目（1）_ev.mp4
│   └── 12-4 实战：gradio整合两大RAG项目（2）_ev.mp4
├── 第13章 【RAG进阶】企业员工助手-项目进阶：RAG微调
│   └── 13-1 本章介绍_ev.mp4
├── 第14章 企业员工助手-总结和展望
│   ├── 14-1 -1 项目总结和展望：课程回顾与总结_ev.mp4
│   └── 14-2 -2 项目总结和展望：课程总结与AI岗位面试技巧_ev.mp4
├── 第1章 课程学习必知——助你顺利学习以及避坑
│   └── 1-1 全面了解课程，让你少走弯路，必看！！！_ev.mp4
├── 第2章 掌握未来AI趋势：RAG引领大语言模型新纪元
│   ├── 2-1 本章简介_ev.mp4
│   ├── 2-2 满足企业精准需求：RAG如何填补大语言模型短板_ev.mp4
│   ├── 2-3 解锁RAG三大核心_ev.mp4
│   ├── 2-4 深入思考 long context加持的大模型企业还需要RAG_ev.mp4
│   ├── 2-5 RAG技术栈：从【合格】到【优秀】的跨越_ev.mp4
│   ├── 2-6 本课程案例分析与说明_ev.mp4
│   ├── 2-7运行和开发环境搭建.pdf
│   └── 2-8课程机器配置要求说明.pdf
├── 第3章 【企业级专业选型】RAG核心一：挑选符合企业的【优秀】大语言基石模型
│   ├── 3-1 本章简介_ev.mp4
│   ├── 3-10 【文档】如何通过ollama部署本地大模型-deepseek-r1.pdf
│   ├── 3-11 实战：使用大语言模型（本地和API、GPU和CPU）-1_ev.mp4
│   ├── 3-12 实战：使用大语言模型（本地和API、GPU和CPU）-2_ev.mp4
│   ├── 3-2 大模型入门：核心要点和技术演变（token、transformer、训练）_ev.mp4
│   ├── 3-3 国内外大模型产品必知必会_ev.mp4
│   ├── 3-4 没有GPU如何调用大模型-大模型调用的三种方式_ev.mp4
│   ├── 3-5 火眼金星：如何分辨大模型的好坏_ev.mp4
│   ├── 3-6 RAG应用：挑选大模型的四大步骤_ev.mp4
│   ├── 3-7 总结和展望：不同项目角色需要对AI大模型了解程度的差异性分析_ev.mp4
│   ├── 3-8 【文档】大语言模型如何下载.pdf
│   └── 3-9 【文档】星火大模型API使用.pdf
├── 第4章 【企业级专业选型】RAG核心二：挑选合适RAG的向量Embedding模型
│   ├── 4-1 本章介绍_ev.mp4
│   ├── 4-2 embedding模型的重要性_ev.mp4
│   ├── 4-3 embedding是怎么炼成的？_ev.mp4
│   ├── 4-4 主流中文embedding模型_ev.mp4
│   ├── 4-5 embedding模型排行榜靠谱不靠谱，如何选择_ev.mp4
│   ├── 4-6 【文档】embedding模型下载.pdf
│   ├── 4-7 实战：embedding模型加载和使用对比_ev.mp4
│   └── 4-8 本章总结_ev.mp4
├── 第5章 【企业级专业选型】RAG核心三：企业级的向量数据库选型和高效使用
│   ├── 5-1 本章介绍_ev.mp4
│   ├── 5-2 全方位对比：主流向量数据库_ev.mp4
│   ├── 5-3 企业级向量数据库的要求_ev.mp4
│   ├── 5-4 向量数据库相似性搜索_ev.mp4
│   ├── 5-5 性能为王：探索向量数据索引优化技术_ev.mp4
│   ├── 5-6 实战：部署和使用企业级向量数据库（chroma和milvus）-1_ev.mp4
│   ├── 5-7 实战：部署和使用企业级向量数据库（chroma和milvus）-2_ev.mp4
│   └── 5-8 总结和展望：企业级应用的高可用性_ev.mp4
├── 第6章 【企业员工智能问答助手-实现V1.0版】高效处理企业复杂业务数据
│   ├── 6-1 本章介绍_ev.mp4
│   ├── 6-2 复杂：企业数据复杂多样_ev.mp4
│   ├── 6-3 原则：垃圾进垃圾出，注重文档质量_ev.mp4
│   ├── 6-4 挑战：RAG如何读取多样性文档（文本、表格和布局分析）_ev.mp4
│   ├── 6-5 文档分块：递归文本分块和语义智能分块_ev.mp4
│   ├── 6-6 实战：实现制度问答模块数据读取和切割_ev.mp4
│   └── 6-7 本章总结_ev.mp4
├── 第7章 【企业员工智能问答助手-实现V1.0版】搭建制度问答baseline RAG
│   ├── 7-1 本章介绍_ev.mp4
│   ├── 7-2 【企业员工制度问答助手】需求分析_ev.mp4
│   ├── 7-3 项目技术选型_ev.mp4
│   ├── 7-4 项目架构设计_ev.mp4
│   ├── 7-5 实战：实现制度问答模块RAG baseline_ev.mp4
│   └── 7-6 总结和展望：转变思想，AI应用开发和传统软件开发的区别_ev.mp4
├── 第8章 【企业员工智能问答助手-评估V1.0版】有效评估RAG是提升的关键
│   ├── 8-1 本章介绍_ev.mp4
│   ├── 8-2 RAG迭代的关键：评估_ev.mp4
│   ├── 8-3 RAG评估的三大步骤_ev.mp4
│   ├── 8-4 RAG评价神器：Ragas框架_ev.mp4
│   ├── 8-5 实战：用Ragas评估制度问答模块的性能_ev.mp4
│   └── 8-6 本章总结_ev.mp4
└── 第9章 【企业员工智能问答助手-实现V2.0版】提升RAG的【14种】检索增强技能
├── 9-1 本章介绍_ev.mp4
├── 9-10 总结和展望：关于企业里需要良好的代码规范和代码管理_ev.mp4
├── 9-11 实战：用检索增强技术提升制度问答模块性能-查询增强-1_ev.mp4
├── 9-12 实战：用检索增强技术提升制度问答模块性能-查询增强-2_ev.mp4
├── 9-13 实战：用检索增强技术提升制度问答模块性能-多索引增强_ev.mp4
├── 9-14 实战：用检索增强技术提升制度问答模块性能-融合检索_ev.mp4
├── 9-15 【文档】重排rerank模型如何下载.pdf
├── 9-16 实战：用检索增强技术提升制度问答模块性能-rerank重排_ev.mp4
├── 9-17 实战：用检索增强技术提升制度问答模块性能-迭代检索增强生成_ev.mp4
├── 9-18 实战：用检索增强技术提升制度问答模块性能-self-RAG-1_ev.mp4
├── 9-19 实战：用检索增强技术提升制度问答模块性能-self-RAG-2_ev.mp4
├── 9-2 一图剖析RAG进化之路：探索优化点_ev.mp4
├── 9-3 检索的两大形态：稀疏 vs 稠密_ev.mp4
├── 9-4 查询增强：增加相关内容-Query2doc+ HyDE+子问题查询+问题改写+Task Step Back_ev.mp4
├── 9-5 多索引增强：从不同维度构建索引，强化相关内容_ev.mp4
├── 9-6 检索后增强：融合检索，三个臭皮匠顶一个诸葛亮_ev.mp4
├── 9-7 检索后增强：重排序技术(Re-rank)_ev.mp4
├── 9-8 系统性增强：迭代检索增强生成，从上一迭代收获信息_ev.mp4
└── 9-9 RAG新范式：自我评估增强Self-RAG_ev.mp4
├── 第10章 基于知识图谱【金融智库】：从RAG到Graph RAG，让企业知识图谱更智能
│   ├── 10-1 本章介绍_ev.mp4
│   ├── 10-2 认识金融智库知识图谱数据：特别的知识三元组_ev.mp4
│   ├── 10-3 如何存储和操作知识图谱：neo4j和nebulagraph_ev.mp4
│   ├── 10-4 实战：动手构建金融智库知识图谱-1_ev.mp4
│   ├── 10-5 实战：动手构建金融智库知识图谱-2_ev.mp4
│   ├── 10-6 RAG和Graph RAG有什么区别：如何构建Graph RAG_ev.mp4
│   ├── 10-7 实战：利用Graph RAG构建金融智库知识库应用_ev.mp4
│   └── 10-8 总结和展望：如何自我学习，跟进前沿技术_ev.mp4
├── 第11章 基于知识图谱【金融智库】：从RAG到agenticRAG，实现自动切换不同信息源
│   ├── 11-1 本章介绍_ev.mp4
│   ├── 11-2 大模型的手脚：AI智能体Agent_ev.mp4
│   ├── 11-3 推理和行动并行：ReAct框架_ev.mp4
│   ├── 11-4 基于Agent的多文档RAG Router_ev.mp4
│   ├── 11-5 实战：利用ReAc Agent实现 RAG Router_ev.mp4
│   └── 11-6 本章总结_ev.mp4
├── 第12章 【RAG扩展】企业员工助手-接口和界面开发
│   ├── 12-1 本章介绍_ev.mp4
│   ├── 12-2 演示界面神器：gradio介绍_ev.mp4
│   ├── 12-3 实战：gradio整合两大RAG项目（1）_ev.mp4
│   └── 12-4 实战：gradio整合两大RAG项目（2）_ev.mp4
├── 第13章 【RAG进阶】企业员工助手-项目进阶：RAG微调
│   └── 13-1 本章介绍_ev.mp4
├── 第14章 企业员工助手-总结和展望
│   ├── 14-1 -1 项目总结和展望：课程回顾与总结_ev.mp4
│   └── 14-2 -2 项目总结和展望：课程总结与AI岗位面试技巧_ev.mp4
├── 第1章 课程学习必知——助你顺利学习以及避坑
│   └── 1-1 全面了解课程，让你少走弯路，必看！！！_ev.mp4
├── 第2章 掌握未来AI趋势：RAG引领大语言模型新纪元
│   ├── 2-1 本章简介_ev.mp4
│   ├── 2-2 满足企业精准需求：RAG如何填补大语言模型短板_ev.mp4
│   ├── 2-3 解锁RAG三大核心_ev.mp4
│   ├── 2-4 深入思考 long context加持的大模型企业还需要RAG_ev.mp4
│   ├── 2-5 RAG技术栈：从【合格】到【优秀】的跨越_ev.mp4
│   ├── 2-6 本课程案例分析与说明_ev.mp4
│   ├── 2-7运行和开发环境搭建.pdf
│   └── 2-8课程机器配置要求说明.pdf
├── 第3章 【企业级专业选型】RAG核心一：挑选符合企业的【优秀】大语言基石模型
│   ├── 3-1 本章简介_ev.mp4
│   ├── 3-10 【文档】如何通过ollama部署本地大模型-deepseek-r1.pdf
│   ├── 3-11 实战：使用大语言模型（本地和API、GPU和CPU）-1_ev.mp4
│   ├── 3-12 实战：使用大语言模型（本地和API、GPU和CPU）-2_ev.mp4
│   ├── 3-2 大模型入门：核心要点和技术演变（token、transformer、训练）_ev.mp4
│   ├── 3-3 国内外大模型产品必知必会_ev.mp4
│   ├── 3-4 没有GPU如何调用大模型-大模型调用的三种方式_ev.mp4
│   ├── 3-5 火眼金星：如何分辨大模型的好坏_ev.mp4
│   ├── 3-6 RAG应用：挑选大模型的四大步骤_ev.mp4
│   ├── 3-7 总结和展望：不同项目角色需要对AI大模型了解程度的差异性分析_ev.mp4
│   ├── 3-8 【文档】大语言模型如何下载.pdf
│   └── 3-9 【文档】星火大模型API使用.pdf
├── 第4章 【企业级专业选型】RAG核心二：挑选合适RAG的向量Embedding模型
│   ├── 4-1 本章介绍_ev.mp4
│   ├── 4-2 embedding模型的重要性_ev.mp4
│   ├── 4-3 embedding是怎么炼成的？_ev.mp4
│   ├── 4-4 主流中文embedding模型_ev.mp4
│   ├── 4-5 embedding模型排行榜靠谱不靠谱，如何选择_ev.mp4
│   ├── 4-6 【文档】embedding模型下载.pdf
│   ├── 4-7 实战：embedding模型加载和使用对比_ev.mp4
│   └── 4-8 本章总结_ev.mp4
├── 第5章 【企业级专业选型】RAG核心三：企业级的向量数据库选型和高效使用
│   ├── 5-1 本章介绍_ev.mp4
│   ├── 5-2 全方位对比：主流向量数据库_ev.mp4
│   ├── 5-3 企业级向量数据库的要求_ev.mp4
│   ├── 5-4 向量数据库相似性搜索_ev.mp4
│   ├── 5-5 性能为王：探索向量数据索引优化技术_ev.mp4
│   ├── 5-6 实战：部署和使用企业级向量数据库（chroma和milvus）-1_ev.mp4
│   ├── 5-7 实战：部署和使用企业级向量数据库（chroma和milvus）-2_ev.mp4
│   └── 5-8 总结和展望：企业级应用的高可用性_ev.mp4
├── 第6章 【企业员工智能问答助手-实现V1.0版】高效处理企业复杂业务数据
│   ├── 6-1 本章介绍_ev.mp4
│   ├── 6-2 复杂：企业数据复杂多样_ev.mp4
│   ├── 6-3 原则：垃圾进垃圾出，注重文档质量_ev.mp4
│   ├── 6-4 挑战：RAG如何读取多样性文档（文本、表格和布局分析）_ev.mp4
│   ├── 6-5 文档分块：递归文本分块和语义智能分块_ev.mp4
│   ├── 6-6 实战：实现制度问答模块数据读取和切割_ev.mp4
│   └── 6-7 本章总结_ev.mp4
├── 第7章 【企业员工智能问答助手-实现V1.0版】搭建制度问答baseline RAG
│   ├── 7-1 本章介绍_ev.mp4
│   ├── 7-2 【企业员工制度问答助手】需求分析_ev.mp4
│   ├── 7-3 项目技术选型_ev.mp4
│   ├── 7-4 项目架构
└── mksz920-RAG全栈技术从基础到精通 ，打造高精准AI应用 (0个文件夹,0个文件)
├── 第1章 课程学习必知——助你顺利学习以及避坑 (0个文件夹,0个文件)
│   ├── 1-1 全面了解课程，让你少走弯路，必看！！！_ev.mp4 (28.4MB)
│   └── 第1章 课程学习必知——助你顺利学习以及避坑必看.zip (1.8MB)
├── 第2章 掌握未来AI趋势：RAG引领大语言模型新纪元 (0个文件夹,0个文件)
│   ├── 2-1 本章简介_ev.mp4 (1.3MB)
│   ├── 2-2 满足企业精准需求：RAG如何填补大语言模型短板_ev.mp4 (5.3MB)
│   ├── 2-3 解锁RAG三大核心_ev.mp4 (2.8MB)
│   ├── 2-4 深入思考 long context加持的大模型企业还需要RAG_ev【公众号：密知圈】.mp4 (12.2MB)
│   ├── 2-5 RAG技术栈：从【合格】到【优秀】的跨越_ev.mp4 (4.7MB)
│   ├── 2-6 本课程案例分析与说明_ev.mp4 (3.9MB)
│   ├── 2-7运行和开发环境搭建.pdf (2.1MB)
│   └── 2-8课程机器配置要求说明【公众号：密知圈】.pdf (77.4KB)
├── 第3章 【企业级专业选型】RAG核心一：挑选符合企业的【优秀】大语言基石模型 (0个文件夹,0个文件)
│   ├── 3-1 本章简介_ev【公众号：密知圈】.mp4 (2.5MB)
│   ├── 3-2 大模型入门：核心要点和技术演变（token、transformer、训练）_ev.mp4 (36.2MB)
│   ├── 3-3 国内外大模型产品必知必会_ev.mp4 (7.1MB)
│   ├── 3-4 没有GPU如何调用大模型-大模型调用的三种方式_ev.mp4 (16.0MB)
│   ├── 3-5 火眼金星：如何分辨大模型的好坏_ev.mp4 (10.7MB)
│   ├── 3-6 RAG应用：挑选大模型的四大步骤_ev【公众号：密知圈】.mp4 (4.2MB)
│   ├── 3-7 总结和展望：不同项目角色需要对AI大模型了解程度的差异性分析_ev.mp4 (18.9MB)
│   ├── 3-8 【文档】大语言模型如何下载.pdf (1.2MB)
│   ├── 3-9 【文档】星火大模型API使用【公众号：密知圈】.pdf (716.9KB)
│   ├── 3-10 【文档】如何通过ollama部署本地大模型-deepseek-r1【公众号：密知圈】.pdf (1.2MB)
│   ├── 3-11 实战：使用大语言模型（本地和API、GPU和CPU）-1_ev【公众号：密知圈】.mp4 (39.2MB)
│   ├── 3-12 实战：使用大语言模型（本地和API、GPU和CPU）-2_ev.mp4 (40.3MB)
│   └── 第3章 【企业级专业选型】RAG核心一：挑选符合企业的【优秀】大语言基石模型说明.png (493.5KB)
├── 第4章 【企业级专业选型】RAG核心二：挑选合适RAG的向量Embedding模型 (0个文件夹,0个文件)
│   ├── 4-1 本章介绍_ev.mp4 (1.0MB)
│   ├── 4-2 embedding模型的重要性_ev【公众号：密知圈】.mp4 (7.0MB)
│   ├── 4-3 embedding是怎么炼成的？_ev.mp4 (9.3MB)
│   ├── 4-4 主流中文embedding模型_ev.mp4 (16.8MB)
│   ├── 4-5 embedding模型排行榜靠谱不靠谱，如何选择_ev.mp4 (7.0MB)
│   ├── 4-6 【文档】embedding模型下载.pdf (118.7KB)
│   ├── 4-7 实战：embedding模型加载和使用对比_ev【公众号：密知圈】.mp4 (46.1MB)
│   └── 4-8 本章总结_ev.mp4 (2.0MB)
├── 第5章 【企业级专业选型】RAG核心三：企业级的向量数据库选型和高效使用 (0个文件夹,0个文件)
│   ├── 5-1 本章介绍_ev【公众号：密知圈】.mp4 (1.6MB)
│   ├── 5-2 全方位对比：主流向量数据库_ev.mp4 (23.4MB)
│   ├── 5-3 企业级向量数据库的要求_ev.mp4 (3.2MB)
│   ├── 5-4 向量数据库相似性搜索_ev【公众号：密知圈】.mp4 (4.6MB)
│   ├── 5-5 性能为王：探索向量数据索引优化技术_ev.mp4 (31.4MB)
│   ├── 5-6 实战：部署和使用企业级向量数据库（chroma和milvus）-1_ev【公众号：密知圈】.mp4 (33.9MB)
│   ├── 5-7 实战：部署和使用企业级向量数据库（chroma和milvus）-2_ev.mp4 (31.1MB)
│   └── 5-8 总结和展望：企业级应用的高可用性_ev.mp4 (3.8MB)
├── 第6章 【企业员工智能问答助手-实现V1.0版】高效处理企业复杂业务数据 (0个文件夹,0个文件)
│   ├── 6-1 本章介绍_ev.mp4 (1.5MB)
│   ├── 6-2 复杂：企业数据复杂多样_ev.mp4 (7.4MB)
│   ├── 6-3 原则：垃圾进垃圾出，注重文档质量_ev【公众号：密知圈】.mp4 (7.5MB)
│   ├── 6-4 挑战：RAG如何读取多样性文档（文本、表格和布局分析）_ev【公众号：密知圈】.mp4 (16.4MB)
│   ├── 6-5 文档分块：递归文本分块和语义智能分块_ev.mp4 (22.6MB)
│   ├── 6-6 实战：实现制度问答模块数据读取和切割_ev.mp4 (105.0MB)
│   └── 6-7 本章总结_ev.mp4 (1.9MB)
├── 第7章 【企业员工智能问答助手-实现V1.0版】搭建制度问答baseline RAG (0个文件夹,0个文件)
│   ├── 7-1 本章介绍_ev【公众号：密知圈】.mp4 (1.8MB)
│   ├── 7-2 【企业员工制度问答助手】需求分析_ev.mp4 (4.9MB)
│   ├── 7-3 项目技术选型_ev.mp4 (2.3MB)
│   ├── 7-4 项目架构设计_ev.mp4 (4.3MB)
│   ├── 7-5 实战：实现制度问答模块RAG baseline_ev【公众号：密知圈】.mp4 (58.1MB)
│   └── 7-6 总结和展望：转变思想，AI应用开发和传统软件开发的区别_ev.mp4 (7.5MB)
├── 第8章 【企业员工智能问答助手-评估V1.0版】有效评估RAG是提升的关键 (0个文件夹,0个文件)
│   ├── 8-1 本章介绍_ev.mp4 (1.3MB)
│   ├── 8-2 RAG迭代的关键：评估_ev【公众号：密知圈】.mp4 (7.4MB)
│   ├── 8-3 RAG评估的三大步骤_ev.mp4 (1.5MB)
│   ├── 8-4 RAG评价神器：Ragas框架_ev.mp4 (39.0MB)
│   ├── 8-5 实战：用Ragas评估制度问答模块的性能_ev【公众号：密知圈】.mp4 (15.1MB)
│   └── 8-6 本章总结_ev.mp4 (4.5MB)
├── 第9章 【企业员工智能问答助手-实现V2.0版】提升RAG的【14种】检索增强技能 (0个文件夹,0个文件)
│   ├── 9-1 本章介绍_ev.mp4 (2.0MB)
│   ├── 9-2 一图剖析RAG进化之路：探索优化点_ev.mp4 (5.6MB)
│   ├── 9-3 检索的两大形态：稀疏 vs 稠密_ev.mp4 (16.0MB)
│   ├── 9-4 查询增强：增加相关内容-Query2doc+ HyDE+子问题查询+问题改写+Task Step Back_ev.mp4 (40.4MB)
│   ├── 9-5 多索引增强：从不同维度构建索引，强化相关内容_ev.mp4 (17.3MB)
│   ├── 9-6 检索后增强：融合检索，三个臭皮匠顶一个诸葛亮_ev.mp4 (14.3MB)
│   ├── 9-7 检索后增强：重排序技术(Re-rank)_ev.mp4 (9.1MB)
│   ├── 9-8 系统性增强：迭代检索增强生成，从上一迭代收获信息_ev.mp4 (14.4MB)
│   ├── 9-9 RAG新范式：自我评估增强Self-RAG_ev.mp4 (20.8MB)
│   ├── 9-10 总结和展望：关于企业里需要良好的代码规范和代码管理_ev.mp4 (40.3MB)
│   ├── 9-11 实战：用检索增强技术提升制度问答模块性能-查询增强-1_ev.mp4 (45.7MB)
│   ├── 9-12 实战：用检索增强技术提升制度问答模块性能-查询增强-2_ev.mp4 (77.2MB)
│   ├── 9-13 实战：用检索增强技术提升制度问答模块性能-多索引增强_ev【公众号：密知圈】.mp4 (56.7MB)
│   ├── 9-14 实战：用检索增强技术提升制度问答模块性能-融合检索_ev.mp4 (18.5MB)
│   ├── 9-15 【文档】重排rerank模型如何下载【公众号：密知圈】.pdf (42.8KB)
│   ├── 9-16 实战：用检索增强技术提升制度问答模块性能-rerank重排_ev.mp4 (23.1MB)
│   ├── 9-17 实战：用检索增强技术提升制度问答模块性能-迭代检索增强生成_ev.mp4 (18.8MB)
│   ├── 9-18 实战：用检索增强技术提升制度问答模块性能-self-RAG-1_ev.mp4 (42.5MB)
│   └── 9-19 实战：用检索增强技术提升制度问答模块性能-self-RAG-2_ev.mp4 (51.5MB)
├── 第10章 基于知识图谱【金融智库】：从RAG到Graph RAG，让企业知识图谱更智能 (0个文件夹,0个文件)
│   ├── 10-1 本章介绍_ev.mp4 (4.5MB)
│   ├── 10-2 认识金融智库知识图谱数据：特别的知识三元组_ev【公众号：密知圈】.mp4 (25.5MB)
│   ├── 10-3 如何存储和操作知识图谱：neo4j和nebulagraph_ev【公众号：密知圈】.mp4 (30.4MB)
│   ├── 10-4 实战：动手构建金融智库知识图谱-1_ev【公众号：密知圈】.mp4 (39.7MB)
│   ├── 10-5 实战：动手构建金融智库知识图谱-2_ev【公众号：密知圈】.mp4 (48.2MB)
│   ├── 10-6 RAG和Graph RAG有什么区别：如何构建Graph RAG_ev.mp4 (30.4MB)
│   ├── 10-7 实战：利用Graph RAG构建金融智库知识库应用_ev.mp4 (68.3MB)
│   ├── 10-8 总结和展望：如何自我学习，跟进前沿技术_ev【公众号：密知圈】.mp4 (16.5MB)
│   └── 第10章 基于知识图谱【金融智库】：从RAG到Graph RAG，让企业知识图谱更智能必看.png (493.5KB)
├── 第11章 基于知识图谱【金融智库】：从RAG到agenticRAG，实现自动切换不同信息源 (0个文件夹,0个文件)
│   ├── 11-1 本章介绍_ev.mp4 (2.1MB)
│   ├── 11-2 大模型的手脚：AI智能体Agent_ev【公众号：密知圈】.mp4 (24.2MB)
│   ├── 11-3 推理和行动并行：ReAct框架_ev.mp4 (9.1MB)
│   ├── 11-4 基于Agent的多文档RAG Router_ev.mp4 (4.4MB)
│   ├── 11-5 实战：利用ReAc Agent实现 RAG Router_ev.mp4 (39.4MB)
│   └── 11-6 本章总结_ev.mp4 (2.2MB)
├── 第12章 【RAG扩展】企业员工助手-接口和界面开发 (0个文件夹,0个文件)
│   ├── 12-1 本章介绍_ev.mp4 (1.9MB)
│   ├── 12-2 演示界面神器：gradio介绍_ev【公众号：密知圈】.mp4 (19.7MB)
│   ├── 12-3 实战：gradio整合两大RAG项目（1）_ev.mp4 (32.4MB)
│   └── 12-4 实战：gradio整合两大RAG项目（2）_ev.mp4 (48.8MB)
├── 第13章 【RAG进阶】企业员工助手-项目进阶：RAG微调 (0个文件夹,0个文件)
│   ├── 13-1 本章介绍_ev.mp4 (2.5MB)
│   └── 第13章 【RAG进阶】企业员工助手-项目进阶：RAG微调必看.png (493.5KB)
└── 第14章 企业员工助手-总结和展望 (0个文件夹,0个文件)
├── 14-1 -1 项目总结和展望：课程回顾与总结_ev.mp4 (22.5MB)
└── 14-2 -2 项目总结和展望：课程总结与AI岗位面试技巧_ev【公众号：密知圈】.mp4 (23.4MB)

如何下载和使用这份资源？

如何使用本教程？首先，您需要下载并解压本教程的压缩文件。然后，您可以按照教程的顺序学习每个章节的内容。实践是学习的关键，请确保您有足够的时间和资源来完成每个章节的实战案例。

1. 点击页面上方的”支付下载”按钮
2. 根据提示完成支付流程
3. 支付完成后即可下载完整资源
4. 如有问题请联系客服获取帮助

关于mksz920-RAG全栈技术从基础到精通，打造高精准AI应用的常见问题

文件格式是什么?

文件格式为MP4

是否包含源代码?

暂不提供源代码

初学者能用吗?

是的，本教程适合从零开始学习RAG全栈技术的初学者