这是一个新系列！

各位懒懒猫，之前的 RAG 课程是否意犹未尽？我带着新系列来啦！

为了帮助你快速上手和深入了解 LazyLLM 的各项功能，本喵贴心的为你准备了从理论到实践，从基础到进阶的详细教程～跟着本喵学，偷偷站在技术链顶端！

关于 LazyLLM

咱们认识这么长时间了，别告诉我你还不了解 LazyLLM~ 让我们一起再为新朋友介绍一下咱们的小明星叭！

LazyLLM 是构建和优化多 Agent 应用的一站式开发工具，为基于 LLM 的应用开发过程中全部环节 (包括应用搭建、数据准备、模型部署、模型微调、评测等) 提供了完整解决方案。

灵活的算法策略配置及统一的接口调用体验，协助开发者以极低成本构建 AI 应用，落地端到端产品，持续优化产品效果。

四大核心亮点

1. 灵活性高

自由编排 RAG 召回策略和 Agent 执行算法，助力开发者像搭乐高玩具一样轻松组件个性化应用。

2. 产品落地快

利用自定义的轻量网关机制，帮助用户将单个 demo 快速转化为可用产品。

3. 普适性强

统一市面诸多大模型调用接口，基模型自由切换，为用户提供一致的使用体验。

4. 直观简洁

精细化模块设计，符合直觉的代码风格帮你集中精力，打造爆款产品。

————————————

介绍完 LazyLLM 的基本概念和亮点，我们正式进入正题👇

新系列会有哪些内容？

这些内容能教会你什么呢？

学会之后我跟大佬的距离还有多少呀？

......

一起看看课表👇

1.《RAG 原理解读：让检索增强生成不再是黑盒》

👉透彻讲解 RAG（Retrieval-Augmented Generation）的原理与结构。

🗝️你将学到：

• 大模型的基本概念；

• 从大模型到 RAG；

• RAG 的基本概念。

2.《10 分钟上手一个最小可用 RAG 系统》

👉零基础快速构建最小可运行的 RAG 系统。

🗝️你将学到：

• 必要环境配置；

• RAG 原理回顾和知识库构建；

• 基础 RAG 的实现。

3.《大模型怎么玩：用 LazyLLM 带你理解调用逻辑与 Prompt 魔法》

👉深入理解大模型的调用过程与 Prompt 的组织方式。

🗝️你将学到：

• LazyLLM 中的数据流使用；

• 如何使用在线和本地的大模型，并为它们设置上 Prompt；

• 重构基础 RAG 实战。

4.《RAG 项目工程化入门：从脚本走向模块化与可维护性》

👉教你如何将 RAG 项目逐步工程化，提升可维护性。

🗝️你将学到：

• Git 版本管理、代码规范检查、单元测试、CI/CD、文档管理，以及打包发布等关键环节。

5.《打造专属 Reader 组件：轻松解析 HTML、PDF 等复杂文档格式》

👉自定义文档解析器，实现对多种文档格式的支持。

🗝️你将学到：

• LazyLLM 使用自定义 Reader 的方法；

• 基于 Reader 搭建一个简单的 RAG 应用。

6.《检索更准：RAG 召回效果优化的底层逻辑与技巧》

👉学习影响召回效果的核心要素与优化策略。

🗝️你将学到：

• RAG 效果评测；

• 提升 RAG 系统的召回率；

• 多路召回 RAG。

7.《检索升级实践：亲手打造 “更聪明” 的文档理解系统！》

👉实战提升系统对复杂文档的理解能力。

🗝️你将学到：

• 如何评价 RAG 的检索组件；

• 提升 RAG 系统检索组件效果的策略实现以及对应效果对比；

• 如何利用 LazyLLM 优化 RAG 召回率。

8.《不止是 cosine！匹配策略决定你召回的质量》

👉多种向量匹配策略的对比与应用分析。

🗝️你将学到：

• 为什么要自定义 Similarity；

• 如何自定义 Similarity；

• 使用自定义 Similarity 搭建 RAG 应用。

9.《微调实践：让大模型和向量模型更懂你的领域》

👉基于私有领域数据对 Embedding 与 LLM 进行微调。

🗝️你将学到：

• 大模型在 RAG 系统中的作用；

• 微调提升大模型能力；

• LoRA 微调的原理和方法；

• 基于 LazyLLM 对大模型进行微调；

• 基于 LazyLLM 对 Embedding 模型进行微调。

10.《探索 Deepseek：打造思维能力更强的 RAG 系统》

👉集成 DeepSeek 等强模型提升多步推理能力。

🗝️你将学到：

• DeepSeek 介绍和优势；

• DeepSeek-R1 部署使用和蒸馏实战。

11.《性能优化指南：从冷启动到响应加速你的 RAG》

👉全方位介绍 RAG 系统的启动与响应性能优化技巧。

🗝️你将学到：

• RAG 的性能瓶颈分析；

• 持久化存储；

• 高效索引构建及向量检索算法；

• 优化模型推理性能的方法。

12.《实践：用缓存、异步与向量引擎加速你的 RAG》

👉手把手教你使用缓存、异步处理、引擎插件等方式提速。

🗝️你将学到：

• 如何使用 LazyLLM 实现知识库的持久化存储；

• 如何使用 LazyLLM 创建并使用自定义索引进行检索；

• 高性能向量数据库 Milvus 的基础使用方法；

• 在 LazyLLM 中使用 vLLM 框架实现模型推理加速以及使用量化模型降低硬件要求。

13.《RAG + 多模态：图片、表格通吃的问答系统》

👉构建支持图文混合理解的多模态 RAG 系统。

🗝️你将学到：

• 多模态模型；

• 多模态 RAG；

• 基于 PDF 文档的多模态 RAG；

• 多模态内容向量化效果优化技巧。

14.《实战：构建一个支持复杂学术论文问答的 RAG 系统》

👉面向论文场景，搭建具备上下文、结构感知能力的系统。

🗝️你将学到：

• 传统 RAG 的论文系统；

• 朴素多模态 RAG 的论文系统；

• 论文系统的效果优化。

15.《大视角问答：RAG 如何支持跨文档、跨维度总结》

👉实现多文档总结与维度整合型问答。

🗝️你将学到：

• 传统 RAG 在统计问题中的缺陷；

• RAG 解决统计问题基本思路；

• 核心模块原理及实现思路；

• 统计分析能力增强。

16.《实践：打造具备宏观问答与图表生成功能的论文问答的 RAG 系统》

👉加入宏观总结与图表生成，提升问答系统交互质量。

🗝️你将学到：

• 依赖模块详解；

• 构建支持统计分析的论文问答系统；

• RAG 论文系统综合多模态方案。

17.《企业级 RAG：权限、共享与内容安全的全链路方案》

👉企业内部部署场景下的权限管理与安全设计实战。

🗝️你将学到：

• 企业级知识库的多样性需求；

• 权限多样性以及解决方案；

• 共享方式多样性以及解决方案；

• 对话管理以及解决方案；

• 安全需求以及解决方案；

• 企业级 RAG 的总体实现思路。

18.《高阶 RAG：Agentic RAG》

👉探索 Agent + RAG 的融合方式，增强任务执行能力。

🗝️你将学到：

• Agentic RAG 基本介绍和核心优势；

• Agentic RAG 搭建实现；

• 多模态 Agentic RAG 论文系统。

19.《RAG × 知识图谱：从关系结构中召回更准确的内容》

👉打通结构化知识图谱与生成式问答系统的协同路径。

🗝️你将学到：

• 知识图谱：让机器理解世界的 “知识网络”；

• 从文档中构建知识图谱；

• 从搜索到问答：知识图谱如何升级搜索引擎；

• RAG 系统的 “智能外挂”：知识图谱如何赋能 RAG。

接下来的日子，本喵将按照课表顺序进行超有深度的主题讲解，敬请期待！

更多技术内容请移步 “LazyLLM” GZH!