从0到1学习AI开发：涵盖RAG,embedding,rerank等技术，助力行业落地

课程概览：

这是一套从零基础到实战应用的AI开发课程，涵盖了RAG、Embedding、Rerank、微调、Agent等核心技术。课程不仅提供了丰富的PDF学习资料，还包含了大量视频教程，帮助你一步步掌握AI开发的关键技能，并最终实现行业落地。

RAG技术系列：

课程从最基础的RAG技术原理讲起，配合RAGFlow项目的实际操作，让你快速上手。接着会深入NaiveRAG与Langchain的实践，并逐步带你掌握高级RAG技术，包括层次索引、句子窗口、子查询、HyDE等。模块化RAG部分则详细讲解了顺序模式、条件模式、分支模式，以及迭代、递归检索、FLARE等高级用法。

此外，课程还特别设置了RAG评估环节，教你使用RAGAs、TruLens等工具进行效果评测，并分享了丰富的行业落地经验和实践心得，确保学以致用。

Embedding与Rerank技术：

在Embedding方面，课程从原理入手，讲解了word2vec、CBOW等经典模型，并带领你使用llamaindex进行Embedding模型的微调训练。同时，还教授了MRR、MTEB等评估方法，帮助你全面理解模型性能。

Rerank技术部分同样干货满满，课程不仅介绍了交叉编码与双编码的原理，还提供了RankGPT等模型的微调与实践指导，让你掌握提升检索精度的关键技能。

模型微调与部署：

微调是AI开发的重要环节，课程手把手教你准备SFT、继续预训练、偏好优化等数据集，并深入讲解LoRA与QLoRA微调的具体过程。模型评估部分则涵盖了批量推理与自动评估的Benchmark方法。

在部署方面，课程会教你如何合并、导出、量化模型，并完成本地部署，让你真正拥有自己的AI模型。

向量数据库与搜索算法：

向量数据库是RAG系统的核心组件之一。课程详细介绍了向量数据库的基本概念、相似性测量方法（如欧氏距离、余弦相似度），以及k-means、肘部法则等相似性搜索算法。此外，还讲解了PQ量化、HNSW、LSH等近似邻近算法与过滤向量技术。

在选型方面，课程对比了专用向量数据库与传统数据库的向量支持能力，并提供了Chroma与Qdrant的代码示例，让你在实践中掌握选型要点。

Agent原理与实战：

Agent是当前AI领域的热点。课程从Agent的基本原理讲起，涵盖Planning、Memory等核心概念，并深入提示词工程，包括软提示词、Few-shot、COT、TOT等技巧。

在实践层面，课程介绍了国内外主流Agent平台，并带领你使用Coze搭建智能客服。同时，详细讲解了Agent设计模式，如Fewshot、ReAct、REWOO、Reflexion、LAT等。此外，还涵盖了Agent工具使用与Function Call，以及SingleAgent、MultiAgent等框架的对比。

主流框架与项目实战：

课程安排了多个主流框架的实战项目，包括Langchain、Langgraph、AutoGen、CrewAI等。你将学习到Langchain项目的原理与实战，以及Langgraph中多Agent架构的协作模式。AutoGen部分则从原理到代码执行、工具使用进行全面讲解。CrewAI部分带你了解Crew、Task、Agent的协作方式。

基础与理论：

课程还涵盖了AI开发的基础知识，如人工智能的迭代路径、大模型进化树、技术分类，以及柏拉图表征假说与Scaling Law。同时，手把手教你配置Python、Conda、VSCode等AI开发环境，为后续学习打下坚实基础。