RAG与私有知识库应用开发实战

Zane Zhang 查看讲师

百林哲咨询（北京）有限公司专家团队成员

前百度高级数据产品专家,拥有超15年一线IT经验

浏览：74次

详情 DETAILS

课程简介

在当下数字化进程加速的大环境中，数据已成为企业发展的核心资产。各行业企业积累了海量私有数据，如金融领域的信用卡交易、信用账单、分期与积分数据等，这些数据蕴含巨大价值却未被充分挖掘。传统数据处理与检索方式面临诸多局限，难以精准、高效地从海量私有数据中提取有价值信息，导致用户在信息获取时遭遇不准确、不全面等痛点。

检索增强生成（RAG）技术为解决这些问题带来新契机。它结合信息检索与生成模型优势，能有效利用私有知识库提升信息处理与问答能力。然而，RAG与私有知识库应用开发涉及多领域知识，对开发者知识储备与实践能力要求颇高。

本课程聚焦RAG技术与私有知识库应用开发，涵盖业务需求分析、开发环境搭建、数据摄取与向量库构建、RAG知识检索及优化、应用能力拓展等环节。详细讲解项目需求、设计架构，手把手教开发部署与数据操作，阐述检索流程与优化，拓展应用方案。帮助学员全面掌握RAG与私有知识库应用开发的核心技能，为企业数字化转型提供有力支持。

课程收益

1、帮助学员理解 RAG 技术与私有知识库的核心原理；

2、帮助学员掌握银行业务场景下私有知识库的构建逻辑与应用开发流程；

3、帮助学员掌握独立完成简单的 RAG + 私有知识库应用开发，并能将其落地到银行实际业务中，提升业务效率与服务质量

受众人群

银行技术开发人员、业务分析师、产品经理、风控专员等人员

课程周期

0.5天（3H）

课程大纲

标题	授课内容
一、业务需求分析和总体设计	1. 项目背景和需求分析：业务现状 + 用户痛点 2. 总体设计和技术架构： 3. 开发环境安装和部署：Ollama、Llms、Langchain、Milvus、Embedding 4. 工作流程和交互逻辑：向量数据库构建 + 检索增强生成 5. 实施策略和工作步骤 6. 核心案例：基于 RAG 的信用卡业务智能客服系统
二、数据摄取和向量数据库构建	1. 数据采集和预处理：信用卡知识、信用卡交易数据、信用账单数据、信用卡分期数据、信用卡积分数据等 2. Python Langchain多源异构数据解析：非结构化数据 + 结构化数据 + OCR 3. Python Langchain数据切分和向量化：数据切分模式 + 数据向量化 4. Python Langchain大模型支持和open api接口集成 5. Python Langchain Milvus向量数据库连接、数据写入、索引和检索 6. Milvus向量数据库可视化管理
三、RAG知识检索和检索优化	1. RAG知识检索工作流程详解 2. Python Langchin RAG知识检索程序设计 3. RAG知识库检索效果评估：准确率+相关性+召回率 4. RAG知识库检索效果优化：解码策略 + 段落重排序 5. 智能客户服务接口封装和Web UI界面集成
四、RAG知识库应用能力拓展	1. 方案1：提示词工程，改善问答能力性价比最高的方案 2. 方案2：MCP和Agent，通过融合外部工具，打破应用隔离 3. 方案3：Fine-tuning Llms基础模型微调，改善大模型专业性不足的弊端
五、课程总结与答疑	1. 课程内容回顾 2. 问题答疑与经验分享