大模型 RAG 进阶实战营 毕业总结

我目前在互联网金融公司从事风控合规的系统开发与实施工作。日常工作中需要处理大量的法律法规文档和供应商接口文档，核心挑战在于如何有效整合供应商能力，快速响应政府监管的新要求。

为什么选择报名此训练营？

在合规领域，准确、高效地检索法规至关重要。虽然我对大模型和 RAG（检索增强生成）技术有一定了解，但在实际落地时仍面临诸多挑战，例如：

• 法规检索精度不足：如何确保系统精准匹配最新法规？

• 个性化需求：如何根据不同角色（如法务、开发、产品）提供定制化结果？

• 工程化落地：如何设计端到端的 RAG 系统，并顺利在公司内部部署？

极客时间的这门课程以实战为核心，系统性地讲解了 RAG 从理论到落地的全流程，并提供了多个案例参考，这正是我所需要的。

课程评价与收获

课程质量

✅ 系统性强：从 RAG 基础、向量数据库到高级优化技巧，内容层层递进，逻辑清晰。

✅ 实战导向：每个模块都配有代码实操（如基于 LlamaIndex 搭建问答系统），避免“纸上谈兵”。✅ 讲师专业：除了课程内容，老师和助教还额外分享了 MCP 相关知识。

我的收获

🔹 掌握 RAG 全链路技术：包括数据导入切片、Embedding 、混合检索（关键词+向量）等。

🔹 熟练使用 RAG 框架：如 LlamaIndex、LangChain，能快速搭建可落地的原型系统。

🔹 学会评估与优化：理解了 RAG 的关键指标，并能针对业务需求调整策略。

学以致用

目前，我正在推动基于 RAG 的智能法规查询系统，目标包括：

📌 提升检索效率：让法务、产品、开发人员快速定位相关法规，减少人工查阅时间。

📌 降低合规风险：确保检索结果精准，避免因法规理解偏差导致的合规问题。

📌 节约成本：减少重复性文档维护工作，优化团队协作流程。

这一方案已获得老板和业务团队的支持，目前处于 POC（概念验证）阶段，未来计划推广至全公司使用。

总结与展望

这门课程不仅让我系统掌握了 RAG 技术，更提供了可直接复用的代码模板和架构设计思路。接下来，我计划：

🚀 推进公司 RAG 项目落地，并探索多模态 RAG（如结合 PDF、表格等结构化数据）。

🚀 分享经验给团队，推动 AI 在合规领域的更广泛应用。