资源介绍
视频数量：39个
总时长：3小时0分
课程介绍：
LangChain与RAG开发全流程指南
想象一下这个场景：你的公司积累了大量内部文档——产品手册、技术文档、客服问答记录——但员工想查点东西还得翻遍文件夹，有时候找到的答案早就过时了，或者干脆找不到。与此同时，老板在催：能不能搞个智能问答系统，像ChatGPT那样直接回答问题？
你试过直接接ChatGPT的API，但问题来了：它不知道你们公司的私有数据，给出的答案经常瞎编，还可能泄露机密信息。怎么办？
这正是RAG技术要大显身手的地方。RAG，全称检索增强生成，简单说就是让AI先从你的文档库里找到相关内容，再基于这些内容来回答问题。这样AI就变成了真正懂你业务的智能助手，而不是一个只会泛泛而谈的空架子。
这门课要教你的，就是怎么用LangChain这个工具，从零开始搭建完整的RAG系统。整个课程包含39个视频，时长大约3小时，路径清晰，循序渐进。
先从基础打起。课程第一模块会告诉你，为什么RAG相比传统AI模型有那么大的优势。传统AI容易产生幻觉、知识会过时、不了解你的私有数据，这些问题RAG都能有效缓解。你会看到完整的RAG架构是怎么工作的，从用户提问到检索再到生成答案的全流程。然后就是LangChain入门，用最简单的方式让你理解这个框架的核心概念，学会申请配置OpenAI的API密钥，搭建专业的开发环境，最后动手做出你的第一个能跑起来的LLM应用。
接下来进入实战环节——文档加载。课程第二模块专门讲怎么处理各种格式的文档。你会学到如何读取和处理Word文档，利用Word天生的结构优势（标题、段落、章节）来提升检索效果；会动手写一个CSV数据加载器，把表格数据接入AI系统；还会深入PDF处理，PDF格式复杂，有些还有图片和扫描件，这个模块会教你用LangChain一步步提取PDF内容。这些技能组合起来，你就能把公司积累的各种格式的文档都变成AI可理解的数据源。
然后是关键环节——文本分块。你可能觉得把文档拆成一小段一小段不就行了？没那么简单。分块策略直接影响检索质量，分太大关键信息容易被淹没，分太小上下文又不够连贯。这个模块会详细讲解LangChain自带的各种文本分割器，对比主流分块策略的优劣，重点深入讲解递归分块这个业界标准做法。选对分块策略，你的RAG系统就成功了一半。
第五个模块讲嵌入和向量数据库。这是RAG的硬核技术部分。你会搞懂嵌入到底是什么、怎么让计算机理解语义；向量数据库是如何做到快速找到相似内容的；还会亲手上FAISS和ChromaDB这两个常用向量库，构建语义搜索引擎。
第六个模块带你深入LangChain的Runnables系统。这是构建复杂AI管道的核心。你会学到Runnables的基本原理，掌握Passthrough、Lambda、Parallel这些组件的用法，用管道操作符把各个模块串起来形成强大的链式调用。把这套东西玩转，你就能设计出灵活多变的AI工作流。
最后的重头戏是完整项目实战。课程第七模块从加载真实文档开始，一步步完成分块、生成嵌入、构建语义检索器、创建Runnable链、组合Lambda函数、做提示词工程、用Pydantic解析结构化输出，最终组装出能上生产的完整RAG流水线。跑起来、测试它、验证它，真正把学到的东西变成一个可用的AI应用。
学完这门课，你能独立构建智能文档问答系统，让AI基于你的公司数据回答问题而不是胡编乱造。你会掌握PDF、Word、CSV等多种格式的数据处理能力，理解向量数据库的工作原理，能够设计生产级的RAG架构。这些技能在当前AI行业中需求很大，企业都在找能帮他们把AI落地到实际业务的人才。