一、RAG简介
检索增强生成（Retrieval-Augmented Generation， RAG），简单来说，就是大模型+外部数据。
RAG主要解决大模型在实际落地应用中面临的如下问题：
数据安全：大模型训练需要大量数据，企业无法共享私有数据。
成本高昂：大模型训练成本高昂，企业无法承担。
领域知识：通用大模型解决垂直领域内的问题效果欠佳。
过时知识：当知识更新时，大模型无法即时更新。
幻觉问题：大模型有时会出现“胡说八道”的现象，在实际应用中的准确率无法得到保障。
长尾知识：大模型对长尾知识无法完全覆盖。
二、RAG架构
RAG架构如上图所示，主要包括如下模块：
入库：RAG流程的准备阶段，负责外部数据的采集、清洗、分块，通过数据增强、对比学习等AI技术生成向量表示，导入到向量数据库中。
输入：负责对用户查询进行理解优化，提升检索和生成模块的效果，包括意图识别、查询改扩写等子模块。
检索：RAG中的R，即Retrieval模块，优化后的用户查询通过检索器在数据库中召回相关内容，然后经过排序子模块，输出结果到生成模块。
- 召回：多路召回模式，检索器包括稠密检索、稀疏检索、迭代检索、多跳检索、主动检索、混合检索等。
- 排序：对召回结果进行重排、去重、过滤等操作，使输入到生成模块的检索结果与用户输入更相关。
生成：RAG中的G，即Generation模块，负责生成最终的输出结果。
- 大模型：根据实际情况，选择合适的大模型。
- 融合：根据实际需求，融合生成最终的输出结果。
三、RAG应用
RAG主要可以完成补全、问答、总结、摘要等生成式任务，广泛应用在金融、医疗、法律、经济、电商等诸多领域。
大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？
答案当然是这样，大模型必然是新风口！
那如何学习大模型 ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：
最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！
在这个版本当中：
您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
一、大模型经典书籍（免费分享）
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套大模型报告（免费分享）
这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、大模型系列视频教程（免费分享）
四、2025最新大模型学习路线（免费分享）
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取
扫一扫
1295
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
