Анонсируем «RAG от нуля до героя»: ваш 21-дневный путь к готовому к производству RAG! | Нуман Наваз | Октябрь 2025 г.

Нажмите Enter или нажмите, чтобы просмотреть изображение в полном размере

Привет всем,

Я невероятно рад поделиться назревающим проектом, призванным помочь вам от основ RAG до создания и развертывания готовой к использованию системы RAG (Retrival Augmented Generation) всего за 21 небольшой урок!

Почему еще один курс RAG?

RAG меняет способы создания приложений искусственного интеллекта, позволяя моделям большого языка (LLM) получать доступ к актуальной фактической информации и значительно уменьшать галлюцинации. Но правильно реализовать RAG — от концептуального понимания до развертывания, оценки и оптимизации — может быть непросто. Многие ресурсы либо слишком просты, либо слишком академичны, либо им не хватает практичного и работоспособного кода.

Вот тут-то и появляется «RAG from Zero to Hero». Моя цель — восполнить этот пробел с помощью ежедневного практического обучения, которое подойдет как новичкам, так и опытным инженерам ML, стремящимся углубить свой опыт RAG.

Что отличает этот курс?

Это не просто теория; это ежедневное, полезное путешествие. Каждый из 21 урока тщательно разработан, чтобы:

• Кратковременно (15–30 минут чтения): Легко усваивается, идеально подходит для включения в повседневную жизнь.
• Концептуально ясно: Раздел «Новичок» дает интуитивное представление, а раздел «Эксперт» посвящен расширенным заметкам и компромиссам.
• Практический и работоспособный: Основные технические уроки включают в себя Фрагменты кода Python вы можете скопировать, вставить и сразу запустить на своем локальном компьютере.
• Практические упражнения: Небольшие ежедневные задания для закрепления вашего понимания.
• Ориентированность на производство: Руководство по безопасности, стоимости, производительности и уменьшению галлюцинаций с первого дня.
• Открытый исходный код в первую очередь: Приоритизация бесплатных инструментов и инструментов с открытым исходным кодом, где это возможно, с упоминанием коммерческих альтернатив и вариантов их использования.
• Главный проект: К концу вы построите рабочее приложение RAG Q&A для документов компаниидополненный соображениями по оценке и развертыванию.

Краткий обзор учебной программы:

Мы рассмотрим все с нуля:

• Основы: Что такое RAG, чанкинг, встраивания, векторные хранилища.
• Строительные блоки: Простая реализация RAG, эффективные подсказки, гибридный поиск, переранжирование.
• Расширенные темы: Оценка, смягчение галлюцинаций, конвейеры приема, разговорная RAG, индекс свежести.
• Готовность производства: Безопасность, оптимизация затрат, мультимодальная RAG, API, мониторинг и развертывание.

Мы уже заложили основу, затронув такие важные темы, как:

• Урок 3: Предварительная обработка текста и фрагментирование (Почему нарушение текста имеет значение)
• Урок 4: Встраивания и провайдеры (Придание тексту числовых суперспособностей)
• Урок 5: Векторные хранилища и индексирование (Эффективные библиотеки для ваших вложений)
• Урок 6: Простая реализация RAG (Ваша первая комплексная система RAG!)
• Урок 7: Подсказка LLM с помощью полученного контекста (Разработка эффективных инструкций для вашего LLM)

Ваша обратная связь имеет решающее значение!

Этот курс для тысообщество. Я хочу сделать это обучение максимально эффективным, практичным и приятным.

Мне интересно ваше мнение по нескольким аспектам:

• Актуальность контента: Есть ли какие-либо важные темы RAG, которые, по вашему мнению, отсутствуют или на них следует обратить большее внимание?
• Темп и глубина: Удобен ли формат ежедневных уроков? Эффективно ли разделение между разделами «Новичок» и «Эксперт»?
• Примеры кода: Являются ли фрагменты кода ясными, работоспособными и достаточно наглядными? Вы бы предпочли больше блокнотов или больше автономных сценариев?
• Инструменты и технологии: Подходят ли выбранные инструменты (OpenAI, FAISS, LangChain)? Какие-либо другие инструменты с открытым исходным кодом или коммерческие инструменты, которые вы хотели бы увидеть?
• Главный проект: Вас волнует идея создания приложения RAG Q&A для документации компании? Какие-то конкретные функции, которые вы хотели бы видеть включенными?
• Общий опыт обучения: Что сделало бы этот курс по-настоящему исключительным для вас?

Как принять участие:

• Комментарий ниже: Поделитесь своими мыслями, предложениями и вопросами прямо здесь, в разделе комментариев.
• Напишите мне в Директ: Не стесняйтесь обращаться напрямую, если у вас есть подробный отзыв или вы хотите обсудить конкретные аспекты.

Давайте построим это вместе! Я намерен усовершенствовать этот курс на основе вашего вклада, чтобы обеспечить максимальную ценность.

Следите за ежедневными уроками и давайте покорим RAG!

#RAG #GenerativeAI #LLM #MachineLearning #PromptEngineering #VectorDatabases #AICommunity #TechEducation