资源介绍
本课程专为希望掌握检索增强生成（RAG）技术，却无代码基础的学习者打造，通过清晰的视频教学和详细的中文字幕（所有视频均配备 zh-Hans.srt 中文字幕），带领学习者从 RAG 基础概念入手，逐步掌握无代码实现 RAG 概念验证的完整流程。课程共包含两大模块，总计 13 个视频（第一模块 4 个视频，第二模块 9 个视频），每个视频都聚焦特定知识点或实操环节，内容兼具理论深度与实操性，帮助学习者快速上手 RAG 技术，应用于实际场景。
三、课程模块详情
（一）模块一：检索增强生成（RAG）基础
本模块共 4 个视频，旨在帮助学习者建立 RAG 技术的基础认知，理解相关核心概念与关键构成，为后续实操环节奠定理论基础。
视频 1：为何 Discourse AI 是学习无代码 RAG 搜索的优选
该视频详细分析了 Discourse AI 在无代码 RAG 搜索学习中的优势，从功能适配、操作便捷性、学习资源整合等方面，阐述其作为学习工具的合理性，帮助学习者明确学习过程中核心工具的选择依据，为后续借助该工具开展学习做好铺垫。视频配备完整中文字幕，确保学习者能清晰理解每一个分析要点。
视频 2：LLM 的四类问题
视频聚焦大型语言模型（LLM），系统讲解了 LLM 常见的四类问题类型。通过具体案例剖析每类问题的特点、应用场景及应对思路，让学习者深入理解 LLM 在处理不同问题时的逻辑与差异，为后续在 RAG 场景中合理运用 LLM 解决实际问题提供理论支撑。中文字幕精准对应视频内容，助力学习者准确把握各类问题的核心特征。
视频 3：什么是检索增强生成（RAG）
作为基础模块的核心视频之一，本视频从定义、核心价值、工作原理三个维度，全面解读检索增强生成（RAG）技术。通过通俗的语言和直观的逻辑梳理，打破技术概念的晦涩壁垒，让学习者明白 RAG 如何结合检索技术与生成模型，提升模型输出的准确性和可靠性，建立对 RAG 技术的整体认知框架。中文字幕对关键术语和原理进行清晰标注，方便学习者理解记忆。
视频 4：DIY RAG 搜索的 9 个组成部分
视频深入拆解了自主搭建（DIY）RAG 搜索系统所需的 9 个核心组成部分，包括数据采集模块、存储模块、检索模块、生成模块等。对每个组成部分的功能、作用、技术要求及相互间的协同关系进行详细说明，让学习者清晰了解 RAG 搜索系统的架构逻辑，掌握系统搭建的关键要素，为后续无代码实现 RAG 概念验证时，理解各操作环节对应的系统组成部分提供帮助。中文字幕对每个组成部分的讲解内容进行同步呈现，便于学习者梳理知识体系。
（二）模块二：如何无代码实现 RAG 概念验证
本模块共 9 个视频，是课程的实操核心部分，以 Discourse 为主要工具， step-by-step 带领学习者完成无代码 RAG 概念验证的全部流程，从工具获取到最终与机器人交互，每个环节都有详细操作指导，确保学习者能跟着视频独立完成实操。
视频 1：从 Communiteq 获取 Discourse 免费试用资格
视频详细演示了从 Communiteq 平台获取 Discourse 免费试用资格的具体步骤，包括注册流程、信息填写要求、试用申请提交及审核进度查询等。针对操作过程中可能出现的问题（如信息填写错误、申请卡顿等），提供了相应的解决办法，确保学习者能顺利获取试用资格，开启后续实操。中文字幕对每一步操作的界面提示、按钮功能进行准确翻译和说明，降低操作难度。
视频 2：设置仅邀请注册
为保障 RAG 系统的数据安全和使用私密性，本视频指导学习者将 Discourse 平台的注册方式设置为 “仅邀请注册”。详细讲解了进入平台设置界面、找到注册权限配置项、开启仅邀请注册功能及设置邀请码生成规则的操作流程，同时强调该设置在防止非授权人员进入系统、保护内部数据安全方面的重要性，帮助学习者建立安全防护意识。中文字幕清晰呈现每一步操作的路径和选项名称，避免操作失误。
视频 3：将教程视频文字稿复制粘贴到 Discourse
该视频分为两部分内容：一是指导学习者将相关教程视频的文字稿（ transcript ）复制粘贴到 Discourse 平台，包括文字稿的格式调整（如段落划分、重点标注）、粘贴位置选择（对应话题或帖子）等操作；二是提供了 “视频文字稿分割工具” 的链接（以.url 文件形式提供），讲解该工具的使用方法，帮助学习者将较长的文字稿分割为适合 RAG 系统处理的片段，提升后续检索效率。中文字幕对操作过程中的格式要求、工具使用步骤进行详细说明，确保文字稿能准确、高效地导入平台。
视频 4：话题（Topics）与帖子（Posts）的区别
为帮助学习者规范使用 Discourse 平台，合理组织内容，本视频详细区分了平台中的 “话题（Topics）” 与 “帖子（Posts）”。从概念定义、创建场景、内容层级关系、使用权限等方面进行对比讲解，结合实际案例展示如何根据内容类型选择创建话题或帖子，以及如何通过话题和帖子的合理搭配，实现内容的有序管理，为后续 RAG 系统准确检索内容奠定基础。中文字幕对两个概念的关键差异点进行突出标注，便于学习者区分记忆。
视频 5：设置 LLM 参数
视频进入 RAG 系统核心配置环节，指导学习者设置大型语言模型（LLM）的相关参数。包括模型选择（根据实际需求推荐适配的 LLM 模型类型）、输出长度限制、温度系数（Temperature）调整、响应速度优化等参数的配置方法，同时解释每个参数对模型输出结果的影响（如温度系数过高可能导致输出不稳定，过低可能限制创造力），帮助学习者根据自身场景需求，配置出最优的 LLM 参数，确保 RAG 系统的生成效果。中文字幕对每个参数的含义、调整范围及作用进行精准解读，降低参数配置难度。
视频 6：设置 AI 参数
除 LLM 参数外，本视频聚焦 RAG 系统中的 AI 整体参数设置，涵盖检索精度调节、数据处理优先级、AI 响应触发条件、结果过滤规则等方面。详细讲解每类参数的配置路径和调整逻辑，例如如何通过调节检索精度参数，平衡检索速度与结果准确性；如何设置结果过滤规则，屏蔽无效或违规内容。同时强调 AI 参数设置与 LLM 参数设置的协同性，确保整个 AI 模块能高效、稳定运行。中文字幕对参数配置界面的选项含义、操作步骤进行清晰呈现，方便学习者跟随操作。
视频 7：创建新的机器人角色（Bot Persona）
为让 RAG 系统的交互更具针对性，本视频指导学习者创建专属的机器人角色。内容包括机器人名称设定、功能定位（如客服型、问答型、教学型）、交互风格定义（如正式、亲切、简洁），同时提供了对应的提示词（prompt）文档（以 prompt.txt 文件形式提供），讲解如何根据机器人角色特点编写有效的提示词，引导机器人按照预设角色输出内容。通过该环节，学习者可打造符合自身需求的个性化机器人，提升 RAG 系统的交互体验。中文字幕对机器人角色创建的每一步操作、提示词编写技巧进行详细说明，助力学习者快速完成机器人角色搭建。
视频 8：与机器人对话
在完成所有配置后，本视频带领学习者进行实操演练 —— 与创建的机器人对话。演示了如何发起对话请求、输入问题的格式要求、获取机器人响应的过程，同时讲解如何根据机器人的回复调整提问方式（如补充关键信息、明确问题边界），以获得更精准的答案。通过实际对话案例，展示 RAG 系统的工作效果，让学习者直观感受无代码 RAG 技术的应用成果。中文字幕同步呈现对话内容及操作提示，帮助学习者顺利完成对话交互。
视频 9：处理超纲问题
在实际使用 RAG 系统时，机器人可能会遇到超出预设知识范围（超纲）的问题，本视频针对这类情况提供解决方案。讲解如何设置超纲问题的响应策略（如礼貌告知用户问题超出范围、引导用户调整问题方向、提供相关参考资源），如何通过优化检索范围、补充训练数据等方式，逐步减少超纲问题的出现，同时强调在处理超纲问题时，保持用户体验的重要性。通过该环节，学习者能全面应对 RAG 系统使用过程中的特殊情况，提升系统的实用性和稳定性。中文字幕对超纲问题的处理策略、操作方法进行详细解读，帮助学习者建立问题应对思维。
四、课程优势总结
无代码门槛：全程无需编写代码，通过可视化操作和平台配置，即可完成 RAG 概念验证，适合零基础学习者。
内容全面系统：从基础理论到实操落地，覆盖 RAG 技术核心知识点和完整实现流程，形成闭环学习体系。
实操性强：每个实操环节都有详细视频指导，搭配中文字幕，学习者可轻松跟随操作，快速上手。
注重安全防护：在平台设置环节强调 “仅邀请注册” 等安全配置，帮助学习者建立安全意识，保障系统数据安全。
资源配套完善：提供文字稿分割工具链接、提示词文档等配套资源，降低学习难度，提升学习效率。
本课程通过 13 个配备中文字幕的视频，为学习者搭建了一条从 RAG 技术入门到无代码实操落地的便捷学习路径，无论您是希望提升自身技术能力的职场人，还是对 AI 技术感兴趣的爱好者，都能通过本课程快速掌握无代码 RAG 技术，开启 AI 应用新可能。