從基礎向量檢索到知識圖譜應用,手把手帶你建構企業級 RAG 檢索增強生成系
菜鳥救星線上真人課程簡介
為什麼要學?
隨著大語言模型(LLM)普及,企業如何運用私有數據提升 AI 精準度成為核心競爭力。RAG(檢索增強生成)技術正是解決模型幻覺、數據時效性的關鍵。掌握 LlamaIndex 不僅能處理複雜文件,更能透過知識圖譜建構深層邏輯檢索,是目前AI 工程師最具價值的技能之一。
學習痛點
- ✅ 向量檢索結果不精準,模型總是胡言亂語。
- ✅ 數據量龐大時,檢索效率低下且難以維護。
- ✅ 缺乏系統化的評估指標,無法量化優化 RAG 的效果。
- ✅ 複雜的文件結構(如表格、多模態數據)難以有效索引。
學習成果
- ✅ 實戰開發力:能獨立開發具備重排與混合檢索功能的進階 RAG 應用。
- ✅ 架構優化力:掌握持久化數據庫(Qdrant/FAISS)與索引管理實務。
- ✅ 數據評估力:學會使用 RAGAS 指標(忠實度、相關性)進行科學化調優。
- ✅ 尖端技術力:接軌知識圖譜(Graph Index)與多模態檢索等前沿技術。
課程大綱
學習目標:建立 LlamaIndex 基礎概念,完成向量化、索引建置與初步檢索實作。
- 單元1:Ollama 安裝
- 單元2:OpenAI API 取得
- 單元3:PyCharm 安裝
- 單元4:miniconda3 安裝
- 單元5:Git 安裝&建立Github帳號
- 單元6:Clone Github Repository
- 單元7:credential設定
- 單元8:Quick Start
- 單元9:節點處理器 - 基礎
- 單元10:VectorStore
- 單元11:Index - Basic
- 單元12:Evaluation
學習目標:掌握持久化 RAG 與索引管理流程,打造可維運的檢索架構。
- 單元1:持久化RAG系統 - FAISS/MultiIndex初始化及內容更新
- 單元2:持久化RAG系統 - Qdrant/MultiIndex從初始化到內容更新
- 單元3:進階檢索 - Sentence Window/AutoRetriever
- 單元4:進階檢索 - AutoMergingRetriever/SummaryIndex/RecursiveRetriever
學習目標:學會文件摘要與查詢轉換技巧,提升檢索召回與理解能力。
- 單元1:進階檢索-DocumentSummaryIndex/HyDE
- 單元2:MultiStep Query Transformations
- 單元3:PandasQueryEngine
- 單元4:多模態檢索模型介紹
- 單元5:CLIP介紹
- 單元6:OpenAI CLIP
- 單元7:JinaAI CLIP
- 單元8:BAAI AltCLIP
- 單元9:ImageQueryEngine
學習目標:掌握重排與混合檢索方法,強化搜尋結果的準確性與品質。
- 單元1:ReRank介紹
- 單元2:FlagEmbeddingReranker
- 單元3:GPTReranker
- 單元4:CohereReranker
- 單元5:HybridRetriever - BM25
- 單元6:HybridRetriever - QueryFusionRetriever
學習目標:理解 RAG 評估指標與知識圖譜建構,奠定進階應用基礎。
- 單元1:RAGAS 介紹
- 單元2:ContextPrecision
- 單元3:AnswerRelevancy
- 單元4:Faithfulness
- 單元5:ContextRecall
- 單元6:NoiseSentivity
- 單元7:AnswerAccuracy
- 單元8:知識圖介紹及建立節點
- 單元9:Extractors
- 單元10:RelationshipBuilde
- 單元11:Transforms
學習目標:運用知識圖譜生成測試集,建立自動化驗證與優化流程。
- 單元1:RAGAS人工數據合成
- 單元2:Personas 設定
- 單元3:QAPrompt/PersonaMatchPrompt
- 單元4:數據生成
- 單元5:Response生成
- 單元6:Batch Evaluation
- 單元7:多節點數據生成
- 單元8:節點過濾
學習目標:整合 MLflow 與圖索引技術,建立可追溯的部署與管理流程
- 單元1:MLflow模型上傳和下載
- 單元2:MLflow - 遠端執行
- 單元3:MLflow - 透過別名取得模型版本
- 單元4:MLflow - 數據追蹤
- 單元5:Property Graph Index
- 單元6:SimpleLLMPathExtractor/DynamicLLMPathExtractor
- 單元7:GraphIndex 檢索
誰適合學
- 對AI助理和大語言模型有興趣的技術人員和開發者。
- 希望將AI技術應用於實際工作的人。
- 想要在創新和技術應用方面保持領先優勢的企業和個人。
- 對LLM技術有興趣並希望深入了解其應用的AI研究者與學生。
- 需要處理大量文字與數據資料工作者。
課程優勢
- ✅ 業界實務導向:不只教語法,更教如何使用 FAISS/Qdrant 等真實資料庫進行持久化管理。
- ✅ 突破幻覺瓶頸:深度教學 Rerank 與混合檢索,從根本解決 LLM 瞎掰的問題。
- ✅ 科學化調優:完整導入評估框架,讓優化過程不再靠感覺,而是看數據指標。
- ✅ 掌握前沿技術:涵蓋最新 Property Graph Index 與知識圖譜,讓你技術領先同儕。
關於講師:凌孟傑/Tom

- AGT International Data Scientist Intern 演算法工程師
- CHECK24 Data Scientist 演算法工程師
- Cosnova GmbH Data Scientist 演算法工程師
- Karlsruhe Institute of Technology (卡爾斯魯厄理工學院) 博士
Q&A
建議學員自備可正常安裝軟體的電腦,並具備穩定網路環境。課程中會進行 Python 開發環境、Git、Ollama 與相關套件安裝,建議使用 Windows 或 macOS 筆電/桌機 進行操作,以確保實作順暢。
本課程為進階實作課,若完全沒有程式基礎,學習上可能較有挑戰。建議具備基本 Python 概念,或曾接觸 LLM / AI 助理入門內容者修習。
點擊「馬上購買」的按鈕,完成線上付款,就可以觀看課程內容囉!
歡迎至常見問答頁面查詢,或是加入line帳號:@lccedu,與我們聯絡喔!
課程留言板
優惠價
NT$2,000
VRay渲染就很逼真(材質/燈光/全景)
試算表入門新手必學班