【中英双语】向量搜索+RAG实战:从零开始带你理解如何把私有数据与大型语言模型深度结合
合集 · AI Agent全栈开发 (21)
-
【中文配音】LLM提示词工程实战全31讲:LangChain模板/自动评测/红队安全/CI-CD,从手写Prompt到工程化量产
2:16:15
-
【中文配音】范德堡大学《ChatGPT提示词工程》全38讲:Coursera百万人气王牌课,从入门到精通
4:50:43
-
【中文配音】22讲吃透AI Agent开发:OpenClaw生产级手把手教程
2:36:01
-
【中英双语】10小时精通AI Agent开发:LangChain、RAG、Guardrails、Gateways 全栈实战
22:28:32
-
【中英双语】10分钟上手Hermes:开源AI Agent真香,告别OpenClaw | NetworkChuck
1:05:18
-
【中英双语】3小时掌握LangChain Deep Agents从入门到实战
5:26:44
-
【中英双语】向量搜索+RAG实战:从零开始带你理解如何把私有数据与大型语言模型深度结合
2:25:50
-
【中英双语】从零掌握20种Agentic AI设计模式实战课
2:16:23
-
【中英双语】从零搭建个人AI助手!Hermes Agent完整部署教程,1小时学会 | Nate Herk | AI Automation
1:56:46
-
【中英双语】「保姆级攻略」成为靠谱的Agent工程师,用AI造万物!
2:16:44
-
【中文配音】AI Agent从零到生产:10步搭建完整技术栈,17种推理方法+9类记忆体系全解析
28:25
-
【中英双语】7分钟搞懂MCP:AI模型与外部工具交互的通用协议
15:56
-
【中英双语】ChatGPT到AI Agent全解析:Transformer/MCP/架构/实战
1:15:10
-
【中英双语】AI智能体记忆系统实战:Mem0完整架构解析,让Agent跨对话记住你 | Hugging Face
52:47
-
【中英双语】2026版首发斯坦福CS329A:自改进AI Agents完整课
19:43:32
-
【中英双语】企业级持续学习实战:自蒸馏让AI代理效率提升3倍 | AI Engineer
35:26
-
【中英双语+资料】CMU 11-768智能体,工具调用+长上下文+记忆技能,一次看懂|AI Agents 2026
8:15:32
-
【英文原声+资料】跟着做一遍:用 LangChain 搭一个能语音对话的 AI 助手|2026 完整版
29:23:47
-
【中英双语】AI agent vs AI infra必备:什么是向量数据库?向量数据库核心原理是什么?有哪些方案可以选择?
8:46
-
【中文配音+资料】AI可写简历项目-Agent智能语音聊天机器人-LangChain+NLP+LLM|2026最新完整版本
23:08:06
-
【中文配音】后端开发面试13大高频考点:从一致性哈希到RAG实战
7:20:03
Parts
- P1 · [中文] 01-介绍
- P2 · [中文] 02-什么是向量嵌入?
- P3 · [中文] 03-什么是向量搜索?
- P4 · [中文] 04-MongoDB Atlas向量搜索
- P5 · [中文] 05-电影数据库语义搜索
- P6 · [中文] 06-使用Atlas向量搜索、LangChain和OpenAI的RAG
- P7 · [中文] 07-连接你的文档的聊天机器人
- P8 · [英文] 01-介绍
- P9 · [英文] 02-什么是向量嵌入?
- P10 · [英文] 03-什么是向量搜索?
- P11 · [英文] 04-MongoDB Atlas向量搜索
- P12 · [英文] 05-电影数据库语义搜索
- P13 · [英文] 06-使用Atlas向量搜索、LangChain和OpenAI的RAG
- P14 · [英文] 07-连接你的文档的聊天机器人
Description
围绕向量搜索与 RAG(检索增强生成)这条技术主线,本系列从零开始带你理解如何把私有数据与大型语言模型深度结合。我们先从向量嵌入的基本概念入手,讲清楚为什么文本需要被转换成高维向量,以及向量搜索在语义匹配中的核心作用。接着,内容会逐步过渡到 MongoDB Atlas 向量搜索的实操,通过构建一个电影数据库语义搜索引擎,让你直观感受近似最近邻查询与传统关键词检索的差异。后半部分则聚焦工程化落地,展示如何借助 LangChain 和 OpenAI 将 Atlas 向量搜索接入 RAG 流程,最终落地为一个能与你的文档对话的聊天机器人。整套内容强调循序渐进,既有原理拆解,也有完整代码示例,适合希望提升搜索与生成应用开发能力的中级开发者、AI 工程师,以及正在探索知识库问答、智能检索系统的技术爱好者。