檢索增強(qiáng)生成（RAG）
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時(shí)間：2026-01-18
檢索增強(qiáng)生成（RAG）的實(shí)例教程
- 視頻格式：MP4 | 視頻編碼：h264，分辨率1920×1080 | 音頻編碼：AAC，采樣率44.1 KHz，雙聲道
- 語言：英語 | 時(shí)長(zhǎng)：6小時(shí)08分鐘 | 大小：3.38 GB
- 課程簡(jiǎn)介：使用大型語言模型（LLMs）、檢索增強(qiáng)生成（RAG）、智能體和全棧工程實(shí)踐，構(gòu)建可投入生產(chǎn)的生成式人工智能系統(tǒng)。
- 學(xué)習(xí)內(nèi)容：
- 設(shè)計(jì)和構(gòu)建基于大型語言模型（LLMs）、Transformer、嵌入技術(shù)和現(xiàn)代AI架構(gòu)的可投入生產(chǎn)的生成式AI系統(tǒng)。
- 實(shí)現(xiàn)檢索增強(qiáng)生成（RAG）流水線，將大型語言模型與外部知識(shí)相結(jié)合，減少幻覺現(xiàn)象，打造企業(yè)級(jí)AI應(yīng)用。
- 利用工具調(diào)用、多步驟推理、記憶功能和人機(jī)協(xié)同控制，開發(fā)自主智能體AI系統(tǒng)。
- 集成FastAPI后端、流式聊天界面、前端用戶體驗(yàn)?zāi)Ｊ胶陀袪顟B(tài)記憶管理，創(chuàng)建全棧大型語言模型應(yīng)用程序。
- 通過令牌優(yōu)化、緩存策略、模型選擇權(quán)衡和負(fù)載管理技術(shù)，優(yōu)化AI系統(tǒng)的成本、延遲和可擴(kuò)展性。
- 使用人工和自動(dòng)化評(píng)估方法評(píng)估和監(jiān)控大型語言模型的輸出，確保準(zhǔn)確性、相關(guān)性和真實(shí)性。
- 應(yīng)用安全、安全和治理最佳實(shí)踐，實(shí)施防護(hù)措施、輸出過濾、基于策略的控制和負(fù)責(zé)任的AI框架。
- 前置要求：
- 具備基礎(chǔ)編程知識(shí)（首選Python，但無需達(dá)到專家水平）
- 對(duì)API或Web應(yīng)用程序有大致了解（有幫助，但非必需）
- 對(duì)AI充滿好奇，愿意動(dòng)手構(gòu)建項(xiàng)目
- 課程描述：本課程包含人工智能的應(yīng)用內(nèi)容。這是一門專為全棧AI工程師設(shè)計(jì)的全面、實(shí)踐導(dǎo)向的生成式AI和大型語言模型（LLMs）課程。
展開 AI Agent通過自然語言交互理解用戶需求，不僅能夠生成解決方案，還能深入到具體的應(yīng)用場(chǎng)景中，為用戶提供更加精準(zhǔn)、高效的服務(wù)，標(biāo)志著AI技術(shù)從“能思考”到“會(huì)做事”的跨越，為各行業(yè)的智能化發(fā)展注入了新的活力。
云道智造的工程師正在致力于研發(fā)仿真智能體，融合了多智能體交互、檢索增強(qiáng)生成（RAG）、強(qiáng)化學(xué)習(xí)修正和生成式等技術(shù)，并采用國產(chǎn)開源的DeepSeek 作為底層大語言模型。系統(tǒng)支持用戶通過自然語言輸入需求，仿真智能體能夠精準(zhǔn)理解用戶意圖并將其轉(zhuǎn)化為可執(zhí)行的仿真任務(wù)，實(shí)現(xiàn)從模型構(gòu)建到仿真分析的全流程自動(dòng)化。
有了仿真智能體，用戶無需具備任何仿真知識(shí)或軟件使用經(jīng)驗(yàn)，即可完成復(fù)雜的仿真任務(wù)，極大地降低了技術(shù)門檻。這一創(chuàng)新模式與云道智造所倡導(dǎo)的"普惠仿真"的理念高度契合，即通過智能化手段，讓仿真技術(shù)突破長(zhǎng)期以來的專業(yè)壁壘，使更廣泛的用戶群體能夠輕松使用先進(jìn)的仿真工具，推動(dòng)仿真技術(shù)的大眾化進(jìn)程。
目前，仿真智能體已經(jīng)具備了初步功能。下面就讓我們一起來看下吧~！↓↓↓
用戶輸入：“我想要完成一次芯片散熱仿真”，AI助手便會(huì)自動(dòng)根據(jù)知識(shí)庫，智能生成案例，運(yùn)行建模、網(wǎng)格離散、方程求解與后處理的全部流程，并輸出結(jié)果↓↓↓
如果用戶對(duì)輸出的結(jié)果不滿意，只需輸入想要調(diào)整的幾何結(jié)構(gòu)，例如“將散熱片的高度增加為五倍”，軟件便會(huì)自動(dòng)完成案例修正，并輸出新的結(jié)果↓↓↓
以下案例展示了用戶通過自然語言輸入精確的仿真需求，智能體能夠直接根據(jù)描述生成完全符合用戶需求的仿真案例。可以說，用戶與軟件的交互過程簡(jiǎn)化為與智能助手的對(duì)話過程↓↓↓
未來，仿真智能體還將引入優(yōu)化設(shè)計(jì)功能，用戶只需要告訴智能體需要實(shí)現(xiàn)的參數(shù)指標(biāo)，智能體就能自動(dòng)、循環(huán)完成“生成式設(shè)計(jì)-自動(dòng)仿真驗(yàn)證-迭代優(yōu)化”過程，最終輸出滿足用戶需求的結(jié)果。
展開 生成的知識(shí)圖譜易用性如何？
若昂貴的知識(shí)圖譜系統(tǒng)僅能被資深數(shù)據(jù)科學(xué)家使用，其普及率將大打折扣。需確保高管、產(chǎn)品經(jīng)理、研發(fā)負(fù)責(zé)人等非技術(shù)人員能理解系統(tǒng)邏輯、自主查詢并獲取有效答案，無需依賴IT支持。
可要求供應(yīng)商：演示知識(shí)圖譜的構(gòu)建與訪問流程：操作是否直觀？技術(shù)團(tuán)隊(duì)能否快速掌握管理方法？能否像管理現(xiàn)有云數(shù)據(jù)平臺(tái)中的表、數(shù)據(jù)集、數(shù)據(jù)產(chǎn)品一樣輕松維護(hù)知識(shí)圖譜？業(yè)務(wù)用戶能否通過熟悉的工具訪問系統(tǒng)？
5. 系統(tǒng)如何應(yīng)對(duì)安全、隱私與合規(guī)性要求？
知識(shí)圖譜整合多源數(shù)據(jù)的特性可能引發(fā)安全風(fēng)險(xiǎn)。在各行業(yè)應(yīng)用中，敏感數(shù)據(jù)必須具備嚴(yán)格的訪問控制、審計(jì)跟蹤，并符合GDPR、HIPAA等法規(guī)要求。
需要向供應(yīng)商確認(rèn)其解決措施：如何延續(xù)現(xiàn)有安全協(xié)議？如何支撐內(nèi)部治理與合規(guī)要求？是否提供業(yè)務(wù)所需的數(shù)據(jù)安全與合規(guī)工具？
6. 平臺(tái)如何應(yīng)用本體論？
本體論是領(lǐng)域知識(shí)的語義基礎(chǔ)，可促進(jìn)數(shù)據(jù)互操作性，通過業(yè)務(wù)術(shù)語描述數(shù)據(jù)，支撐透明度、信任度與可操作洞察的生成。
需要要求供應(yīng)商說明：系統(tǒng)如何利用本體論抽象與描述整合數(shù)據(jù)，以支持生成式AI的訪問需求；是否兼容相關(guān)行業(yè)標(biāo)準(zhǔn)，能否通過自定義擴(kuò)展?jié)M足業(yè)務(wù)當(dāng)前及未來的需求。
7. 知識(shí)圖譜是否支持自然語言查詢與響應(yīng)？響應(yīng)準(zhǔn)確度如何？
高管需要的是直接答案而非復(fù)雜儀表盤。能否將復(fù)雜業(yè)務(wù)問題（如“本國銷售的進(jìn)口產(chǎn)品毛利率是多少？過去三年有何變化？”）轉(zhuǎn)化為完整、準(zhǔn)確、易懂的結(jié)果，至關(guān)重要。
檢索增強(qiáng)生成（RAG）技術(shù)可以將生成式AI的參考范圍限定在真實(shí)驗(yàn)證信息內(nèi)，而圖RAG（GRAG）通過利用知識(shí)圖譜的上下文信息進(jìn)一步減少“幻覺”，為提示添加上下文，提升響應(yīng)準(zhǔn)確性，且在結(jié)構(gòu)化數(shù)據(jù)源與非結(jié)構(gòu)化文檔的關(guān)聯(lián)構(gòu)建上更高效。
展開 </p><p><br></p><p>在圖像生成方面，即便能生成部分細(xì)節(jié)正確的圖片，但需要微調(diào)的細(xì)節(jié)也很難達(dá)到理想效果。</p><p><br></p><p><strong>? 易產(chǎn)生幻覺：</strong></p><p><br></p><p>LLM 看似知識(shí)淵博，實(shí)則不然。其知識(shí)源于訓(xùn)練數(shù)據(jù)、字母組合概率等，<strong>響應(yīng)是基于訓(xùn)練學(xué)習(xí)路徑和相似概念生成</strong>，并非來自結(jié)構(gòu)化知識(shí)庫或數(shù)據(jù)庫。</p><p><br></p><p>而且，<strong>在沒有使用新數(shù)據(jù)訓(xùn)練時(shí)，LLM 也無法提供最新信息</strong>，信息局限于訓(xùn)練截止日期。這使得 LLM 容易產(chǎn)生看似可信但實(shí)際錯(cuò)誤的 “幻覺” 信息，誤導(dǎo)對(duì)相關(guān)領(lǐng)域了解不足的用戶。</p><p><br></p><p><strong>? 存在偏見：</strong></p><p><br></p><p>LLM 依據(jù)數(shù)據(jù)模式生成響應(yīng)，缺乏真正的理解，這導(dǎo)致其訓(xùn)練數(shù)據(jù)易受偏見和限制影響，進(jìn)而使輸出響應(yīng)也帶有同樣的問題，而不會(huì)考慮用戶感受。</p><p><br></p><p>不過，也有應(yīng)對(duì)這些局限的方法。例如，當(dāng)在提示中包含上下文基礎(chǔ)時(shí)，GenAI 的表現(xiàn)會(huì)有所提升。將 <strong>LLM 生成的響應(yīng)限制在給定上下文信息內(nèi)，若上下文準(zhǔn)確，響應(yīng)也可能更準(zhǔn)確，這種技術(shù)被稱為檢索增強(qiáng)生成（RAG）技術(shù)。</strong></p><p><br></p><p>很多主流搜索引擎已開始將 RAG 技術(shù)與現(xiàn)有搜索索引結(jié)合，以有效生成對(duì)搜索問題的答案，通常還會(huì)提供用于為L(zhǎng)LM提供上下文的網(wǎng)頁參考URL。<strong>知識(shí)圖譜作為 RAG 的重要新形式，為生成或利用上下文基礎(chǔ)的技術(shù)提供支持。
展開 這些問題背后，是五個(gè)長(zhǎng)期存在的行業(yè)痛點(diǎn)：知識(shí)孤島、檢索低效、更新滯后、無法推理、AI幻覺。傳統(tǒng)知識(shí)庫本質(zhì)是一個(gè)“數(shù)字檔案室”——你存了什么它知道，但你想問什么它不理解。你搜“疲勞斷裂”，它返回所有包含這四個(gè)字的文檔，但具體哪一頁回答了你的問題？你自己翻。
?
編輯
這導(dǎo)致一個(gè)現(xiàn)實(shí)：各類研發(fā)、制造、管理數(shù)據(jù)積壓沉睡，用戶卻無法獲得對(duì)于業(yè)務(wù)決策行之有效的答案。
PART/1
破局：從“文檔管理”到“知識(shí)推理”
戴西軟件面向工業(yè)研發(fā)領(lǐng)域推出NexAI Suite多業(yè)務(wù)智能體套件（后稱NexAI），它的解決思路很直接：用統(tǒng)一的AI數(shù)據(jù)中臺(tái)，把企業(yè)內(nèi)部分散的、異構(gòu)的數(shù)據(jù)整合，真正變成可理解、可推理、可追溯的活知識(shí)。
其核心能力不但是通用大模型的有效集成，還通過GraphRAG（基于圖結(jié)構(gòu)的檢索增強(qiáng)生成）+RAG（檢索增強(qiáng)生成）雙引擎的高效技術(shù)融合推動(dòng)智能體基于真實(shí)的業(yè)務(wù)數(shù)據(jù)理解用戶問題，并提供可追溯，有依據(jù)的準(zhǔn)確答案。
RAG讓大模型去“翻書”，GraphRAG讓大模型先去“看關(guān)系圖譜”，理解知識(shí)點(diǎn)之間的邏輯關(guān)聯(lián)，再回來找證據(jù)。這樣既能回答“是什么”，也能回答“為什么”和“如果……會(huì)怎樣”，同時(shí)從根本上抑制AI幻覺。
?
編輯
RAG+GraphRAG雙引擎接入大模型
更重要的是，NexAI不是單一工具，而是一套面向工業(yè)研發(fā)場(chǎng)景的智能體套件。這些智能體各司其職：有的寫需求，有的畫時(shí)序圖，有的分析仿真云圖，有的做項(xiàng)目風(fēng)險(xiǎn)預(yù)警。它們共享同一個(gè)底層知識(shí)庫，在研發(fā)設(shè)計(jì)、仿真分析、項(xiàng)目管理的全鏈條中協(xié)同工作。
PART/2
深度解析：NexAI在工業(yè)研發(fā)中的關(guān)鍵能力
下面聚焦幾個(gè)對(duì)研發(fā)工程師最實(shí)用的功能。
展開 
檢索增強(qiáng)生成（RAG）的相關(guān)專題、標(biāo)簽、搜索
檢索增強(qiáng)生成（RAG）的最新內(nèi)容
其核心能力不但是通用大模型的有效集成，還通過GraphRAG（基于圖結(jié)構(gòu)的檢索增強(qiáng)生成）+RAG（檢索增強(qiáng)生成）雙引擎的高效技術(shù)融合推動(dòng)智能體基于真實(shí)的業(yè)務(wù)數(shù)據(jù)理解用戶問題，并提供可追溯，有依據(jù)的準(zhǔn)確答案。
RAG讓大模型去“翻書”，GraphRAG讓大模型先去“看關(guān)系圖譜”，理解知識(shí)點(diǎn)之間的邏輯關(guān)聯(lián)，再回來找證據(jù)。
- 模塊6——檢索增強(qiáng)生成（RAG）：學(xué)習(xí)如何通過RAG架構(gòu)、文檔攝入流水線、檢索器-生成器流程和上下文窗口管理，將大型語言模型與外部知識(shí)相結(jié)合，消除幻覺現(xiàn)象。實(shí)踐實(shí)驗(yàn)：構(gòu)建完整的RAG流水線，實(shí)現(xiàn)混合搜索，應(yīng)用重排序策略，并進(jìn)行帶引用的多文檔推理。
檢索增強(qiáng)生成（RAG）技術(shù)可以將生成式AI的參考范圍限定在真實(shí)驗(yàn)證信息內(nèi)，而圖RAG（GRAG）通過利用知識(shí)圖譜的上下文信息進(jìn)一步減少“幻覺”，為提示添加上下文，提升響應(yīng)準(zhǔn)確性，且在結(jié)構(gòu)化數(shù)據(jù)源與非結(jié)構(gòu)化文檔的關(guān)聯(lián)構(gòu)建上更高效。
此外，圖RAG基于企業(yè)數(shù)據(jù)生成響應(yīng)，能提升內(nèi)容清晰度與非技術(shù)用戶的可操作性。
? 實(shí)施最先進(jìn)的技術(shù)，如 RAG（檢索增強(qiáng)）生成）、QLoRA 微調(diào)和代理。? 創(chuàng)建真實(shí)世界的 AI 應(yīng)用程序，包括：? 與文本、聲音和圖像交互的多模態(tài)客戶支持助手。? 可以根據(jù)共享驅(qū)動(dòng)器回答有關(guān)公司的任何問題的 AI 知識(shí)工作者。? 優(yōu)化軟件的 AI 程序員，實(shí)現(xiàn)超過 60,000 倍的性能改進(jìn)。? 準(zhǔn)確預(yù)測(cè)未見過產(chǎn)品價(jià)格的電子商務(wù)應(yīng)用程序。
云道智造的工程師正在致力于研發(fā)仿真智能體，融合了多智能體交互、檢索增強(qiáng)生成（RAG）、強(qiáng)化學(xué)習(xí)修正和生成式等技術(shù)，并采用國產(chǎn)開源的DeepSeek 作為底層大語言模型。系統(tǒng)支持用戶通過自然語言輸入需求，仿真智能體能夠精準(zhǔn)理解用戶意圖并將其轉(zhuǎn)化為可執(zhí)行的仿真任務(wù)，實(shí)現(xiàn)從模型構(gòu)建到仿真分析的全流程自動(dòng)化。
將 <strong>LLM 生成的響應(yīng)限制在給定上下文信息內(nèi)，若上下文準(zhǔn)確，響應(yīng)也可能更準(zhǔn)確，這種技術(shù)被稱為檢索增強(qiáng)生成（RAG）技術(shù)。</strong></p><p><br></p><p>很多主流搜索引擎已開始將 RAG 技術(shù)與現(xiàn)有搜索索引結(jié)合，以有效生成對(duì)搜索問題的答案，通常還會(huì)提供用于為L(zhǎng)LM提供上下文的網(wǎng)頁參考URL。
wx_fmt=png&from=appmsg"></p><p>第二種方法是檢索增強(qiáng)生成（RAG）方式，這是目前最常用的方法之一。簡(jiǎn)單來說，這種方法不需要大型模型直接擁有企業(yè)內(nèi)部的數(shù)據(jù)，而是通過 RAG 方式將數(shù)據(jù)外掛于模型之外。
