【LazyLLM全面教程（图文版）】新系列来袭！今天学，明天别人追着喊你大佬！

这是一个新系列！

各位懒懒猫，之前的RAG课程是否意犹未尽？我带着新系列来啦！为了帮助你快速上手和深入了解 LazyLLM 的各项功能，本喵贴心的为你准备了从理论到实践，从基础到进阶的详细教程~跟着本喵学，偷偷站在技术链顶端！

关于LazyLLM

咱们认识这么长时间了，别告诉我你还不了解LazyLLM~让我们一起再为新朋友介绍一下咱们的小明星叭！

LazyLLM 是构建和优化多 Agent 应用的一站式开发工具，为基于LLM的应用开发过程中全部环节(包括应用搭建、数据准备、模型部署、模型微调、评测等)提供了完整解决方案。

灵活的算法策略配置及统一的接口调用体验，协助开发者以极低成本构建 AI 应用，落地端到端产品，持续优化产品效果。

LazyLLM四大核心亮点

1.灵活性高

自由编排RAG召回策略和Agent执行算法，助力开发者像搭乐高玩具一样轻松组件个性化应用。

2.产品落地快

利用自定义的轻量网关机制，帮助用户将单个demo快速转化为可用产品。

3.普适性强

统一市面诸多大模型调用接口，基模型自由切换，为用户提供一致的使用体验。

4.直观简洁

精细化模块设计，符合直觉的代码风格帮你集中精力，打造爆款产品。

介绍完LazyLLM的基本概念和亮点，我们正式进入正题。

新系列会有哪些内容？

这些内容能教会你什么呢？

学会之后我跟大佬的距离还有多少呀？

......

一起看看课表👇

1.《RAG原理解读：让检索增强生成不再是黑盒》

👉透彻讲解 RAG（Retrieval-Augmented Generation）的原理与结构。

🗝️你将学到：

• 大模型的基本概念；

• 从大模型到RAG；

• RAG 的基本概念。

2.《10分钟上手一个最小可用RAG系统》

👉零基础快速构建最小可运行的 RAG 系统。

🗝️你将学到：

• 必要环境配置；

• RAG原理回顾和知识库构建；

• 基础RAG的实现。

3.《大模型怎么玩：用LazyLLM带你理解调用逻辑与Prompt魔法》

👉深入理解大模型的调用过程与 Prompt 的组织方式。

🗝️你将学到：

• LazyLLM中的数据流使用；

• 如何使用在线和本地的大模型，并为它们设置上Prompt；

• 重构基础RAG实战。

4.《RAG项目工程化入门：从脚本走向模块化与可维护性》

👉教你如何将 RAG 项目逐步工程化，提升可维护性。

🗝️你将学到：

• Git版本管理、代码规范检查、单元测试、CI/CD、文档管理，以及打包发布等关键环节。

5.《打造专属Reader组件：轻松解析HTML、PDF等复杂文档格式》

👉自定义文档解析器，实现对多种文档格式的支持。

🗝️你将学到：

• LazyLLM 使用自定义 Reader 的方法；

• 基于 Reader 搭建一个简单的RAG应用。

6.《检索更准：RAG召回效果优化的底层逻辑与技巧》

👉学习影响召回效果的核心要素与优化策略。

🗝️你将学到：

• RAG效果评测；

• 提升RAG系统的召回率；

• 多路召回RAG。

7.《检索升级实践：亲手打造“更聪明”的文档理解系统！》

👉实战提升系统对复杂文档的理解能力。

🗝️你将学到：

• 如何评价 RAG 的检索组件；

• 提升 RAG 系统检索组件效果的策略实现以及对应效果对比；

• 如何利用 LazyLLM 优化 RAG 召回率。

8.《不止是cosine！匹配策略决定你召回的质量》

👉多种向量匹配策略的对比与应用分析。

🗝️你将学到：

• 为什么要自定义 Similarity；

• 如何自定义 Similarity；

• 使用自定义 Similarity 搭建 RAG 应用。

9.《微调实践：让大模型和向量模型更懂你的领域》

👉基于私有领域数据对 Embedding 与 LLM 进行微调。

🗝️你将学到：

• 大模型在RAG系统中的作用；

• 微调提升大模型能力；

• LoRA 微调的原理和方法；

• 基于LazyLLM对大模型进行微调；

• 基于LazyLLM对Embedding模型进行微调。

10.《探索Deepseek：打造思维能力更强的RAG系统》

👉集成 DeepSeek 等强模型提升多步推理能力。

🗝️你将学到：

• DeepSeek介绍和优势；

• DeepSeek-R1 部署使用和蒸馏实战。

11.《性能优化指南：从冷启动到响应加速你的RAG》

👉全方位介绍 RAG 系统的启动与响应性能优化技巧。

🗝️你将学到：

• RAG 的性能瓶颈分析；

• 持久化存储；

• 高效索引构建及向量检索算法；

• 优化模型推理性能的方法。

12.《实践：用缓存、异步与向量引擎加速你的RAG》

👉手把手教你使用缓存、异步处理、引擎插件等方式提速。

🗝️你将学到：

• 如何使用LazyLLM实现知识库的持久化存储；

• 如何使用LazyLLM创建并使用自定义索引进行检索；

• 高性能向量数据库Milvus的基础使用方法；

• 在 LazyLLM 中使用 vLLM 框架实现模型推理加速以及使用量化模型降低硬件要求。

13.《RAG+多模态：图片、表格通吃的问答系统》

👉构建支持图文混合理解的多模态 RAG 系统。

🗝️你将学到：

• 多模态模型；

• 多模态 RAG；

• 基于 PDF 文档的多模态 RAG；

• 多模态内容向量化效果优化技巧。

14.《实战：构建一个支持复杂学术论文问答的RAG系统》

👉面向论文场景，搭建具备上下文、结构感知能力的系统。

🗝️你将学到：

• 传统RAG的论文系统；

• 朴素多模态RAG的论文系统；

• 论文系统的效果优化。

15.《大视角问答：RAG如何支持跨文档、跨维度总结》

👉实现多文档总结与维度整合型问答。

🗝️你将学到：

• 传统RAG在统计问题中的缺陷；

• RAG解决统计问题基本思路；

• 核心模块原理及实现思路；

• 统计分析能力增强。

16.《实践：打造具备宏观问答与图表生成功能的论文问答的RAG系统》

👉加入宏观总结与图表生成，提升问答系统交互质量。

🗝️你将学到：

• 依赖模块详解；

• 构建支持统计分析的论文问答系统；

• RAG论文系统综合多模态方案。

17.《企业级RAG：权限、共享与内容安全的全链路方案》

👉企业内部部署场景下的权限管理与安全设计实战。

🗝️你将学到：

• 企业级知识库的多样性需求；

• 权限多样性以及解决方案；

• 共享方式多样性以及解决方案；

• 对话管理以及解决方案；

• 安全需求以及解决方案；

• 企业级RAG的总体实现思路。

18.《高阶RAG：Agentic RAG》

👉探索 Agent + RAG 的融合方式，增强任务执行能力。

🗝️你将学到：

• Agentic RAG基本介绍和核心优势；

• Agentic RAG搭建实现；

• 多模态Agentic RAG论文系统。

19.《RAG × 知识图谱：从关系结构中召回更准确的内容》

👉打通结构化知识图谱与生成式问答系统的协同路径。

🗝️你将学到：

• 知识图谱：让机器理解世界的“知识网络”；

• 从文档中构建知识图谱；

• 从搜索到问答：知识图谱如何升级搜索引擎；

• RAG系统的“智能外挂”：知识图谱如何赋能RAG。

更多技术内容欢迎移步"LazyLLM"GZH~