《大模型应用开发：RAG实战课》PDF下载

《大模型应用开发：RAG实战课》由黄佳编写，面向希望构建大模型知识库和智能问答应用的开发者。检索增强生成（RAG）通过检索外部知识为模型回答提供依据，是构建企业知识问答、文档助手等应用的重要技术路线。本书以完整系统的搭建和优化过程为主线，帮助读者理解各组件如何协作，而不是只停留在调用现成框架的层面。

全书围绕数据导入、文本分块、信息嵌入、向量存储、检索前处理、索引优化、检索后处理、响应生成和系统评估等环节展开。内容涉及文档加载与解析、嵌入模型选择、查询构建与改写、检索路由、结果重排和压缩，以及如何评估RAG系统的表现。书中还结合框架实现与组件组合的思路，帮助读者理解从基础流程到更复杂应用的开发路径。

RAG应用的效果并不只取决于所使用的大模型，文档质量、切分方式、检索策略和上下文组织同样会影响回答的相关性与可靠性。本书将这些关键环节纳入统一流程，并进一步介绍GraphRAG、Modular RAG、Agentic RAG和多模态RAG等扩展范式，有助于读者定位常见问题、比较不同架构的适用场景，并建立持续评估和迭代系统的意识。

本书适合AI应用开发工程师、后端开发者、知识管理系统建设人员，以及正在学习大模型工程化的技术人员。具备基本Python开发经验并了解大模型API的读者更容易跟随实战内容进行练习。建议先搭建一个端到端的基础RAG系统，再逐步验证切分、嵌入、检索和重排等单个环节的改进效果，避免在缺少评估基线时盲目叠加复杂技术。