📄9-1 架构设计:从痛点出发的架构思维.mp49.7MB
📄9-2 RAG技术深度解析.mp413.4MB
📄9-3 工程初始化与环境搭建.mp431.7MB
📄9-4 集成Tika文档读取器实现文档读取.mp437.4MB
📄9-5 文本向量大模型介绍以及整合智源向量大模型.mp452.3MB
📄9-6 使用Redis作为向量数据库以及问题引出.mp455.7MB
📄9-7 踩坑预警!默认文本分割方案的核心问题.mp488.1MB
📄9-8 面试加分项:使用自定义的定制化分割器来提高召回准确度.mp465.8MB
📄9-9 扩展:使用DockerFile启动Milvus+客户化UI界面.mp454.7MB
📄9-10 扩展:项目集成Milvus作为向量数据库.mp445.7MB
📄9-11 智能BI报表问答系统Graph工作流设计.mp45.5MB
📄9-12 数据准备:前置数据库脚本执行.mp453.5MB
📄9-13 明确目标:核心节点开发逻辑梳理.mp429.1MB
📄9-14 AI Agent 提示词:教你编写高效果优质 Prompt.mp434.2MB
📄9-15 RAG 召回 + 大模型内容生成落地.mp461.9MB
📄9-16 RAG检索过程源码解析.mp450.5MB
📄9-17 如何让AI更好的理解用户不准确的表述?.mp44.6MB
📄9-18 面试加分项:多种Prompt优化技术提高召回率.mp443.9MB