|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/spring-ai-advanced-rag/
课程评论：没有评论
**Spring AI 检索增强生成进阶开发实战课程总结** 本课程深入探讨了如何使用Spring AI 1.0开发先进的检索增强生成（RAG）应用。课程内容围绕RAG的核心环节展开，并结合实战开发进行讲解。 **核心内容概览：** 1. **文档ETL过程：** * **文档提取：** 涵盖多种格式，包括Office文档（Word, Excel, PowerPoint）、图片（OCR）、网页内容。 * **文档转换：** 重点讲解文档分块策略。 * **文档加载：** 介绍多种向量数据库实现，如Spring AI内置、Chroma、Elasticsearch，并以阿里云DashVector为例展示集成新向量数据库的方法。 2. **Spring AI 1.0 新增功能：** * **Advisor：** 提供处理AI模型请求和响应的通用方式，并介绍其RAG专用实现。 * **DocumentRetriever：** 负责根据查询检索文档，是RAG的“检索”部分。 * **Evaluator：** 用于评估RAG应用的准确性。 3. **RAG进阶内容：** * **检索（Retrieval）：** 重点介绍查询优化技术，包括查询扩展和查询路由，以提升检索质量。 * **生成（Generation）：** 探讨对检索内容进行后处理，如重新排序和内容压缩。 * **增强（Enhancement）：** 介绍不同的检索策略，特别是迭代式检索。 4. **RAG应用评估：** 对RAG应用的整体性能进行评估。 5. **实战开发：** * **PDF问答：** 提供一个完整的PDF问答应用开发案例。 * **网页内容总结：** 提供一个网页内容总结的应用开发案例。 **技术栈与资源：** * 课程代码基于 **Spring AI 1.0.0-M3** 最新版本。 * 购买课程可获得全部源代码，并通过课程资源下载。 * 课程内容将根据Spring AI的更新及时调整并增加新内容。 本课程旨在帮助学习者掌握Spring AI在RAG领域的进阶开发技能，并通过实际项目应用加深理解。
欢迎大家来到这个课程。这个课程介绍使用 Spring AI 1.0 开发 AI 大模型检索增强生成应用。本课程的内容分成如下几个部分：首先介绍 Spring AI 中与检索增强生成相关的进阶内容，围绕文档的 ETL 过程展开，也就是文档的提取，转换和加载。在文档提取方面，介绍从不同类型的文件中提取内容，包括 Office 文档格式，Word，Excel 和 PowerPoint 文件，使用 OCR 技术从图片中提取文本内容，从网页中提取内容。在文档转换方面，主要介绍文档的分块，不同的文档分块策略。在文档加载方面，主要介绍不同的向量数据库实现，包括 Spring AI 自带的向量数据库实现，Chroma，Elasticsearch，以及集成新的向量数据库，以阿里云的向量检索服务 DashVector 为例。接着介绍 Spring AI 1.0 新增的几个功能。这几个功能与检索增强生成相关，分别是Advisor 提供了一种通用的方式来处理发送给 AI 模型的请求，以及处理 AI 模型的响应。Spring AI 自带了检索增强生成的 Advisor 实现。DocumentRetriever 根据查询来获取文档，对应于检索的部分。Evaluator 评估 RAG 应用给出的结果，用来评判 RAG 应用的准确性。然后介绍与检索增强生成相关的进阶内容，分成 3 个部分，分别对应于"检索增强生成"这一名称中的3个组成部分，也就是检索，增强和生成。每个组成部分有各自相关的内容。在检索部分，介绍的是查询优化技术。对用户提供的原始查询内容进行优化，提升查询结果的质量。查询优化的具体技术包括查询扩展和查询路由。在生成部分，对检索到的内容进行后续的处理，包括重新排序和内容压缩。在增强部分，介绍不同的检索策略，主要介绍迭代式检索。最后是检索增强生成应用的评估。作为一门实战课程，相关的开发实战是必不可少的。介绍了两个实战的例子，一个是 PDF 问答，另外一个是网页内容总结。本课程的全部代码，使用的是 Spring AI 1.0.0-M3 的最新版本。购买该课程，可以获取到全部的源代码。源代码可以从课程的资源中下载。由于 Spring AI 1.0 还在开发中，如果 Spring AI 有变化，课程的内容会及时更新，也会适时增加更多的内容。
