RAG от нуля до продакшена
Retrieval-Augmented Generation: от основ до продвинутых паттернов за 3 модуля
RAG (Retrieval-Augmented Generation, поиск с дополненной генерацией) — главный паттерн построения AI-продуктов в 2024–2025 годах. Вместо того чтобы полагаться только на знания языковой модели, RAG позволяет «подключить» модель к вашей базе знаний: документации, базе данных, корпоративным файлам. Результат — ответы, основанные на актуальных и точных данных, а не на том, что модель запомнила при обучении.
Первый модуль объясняет фундамент: что такое RAG, зачем он нужен, как устроена типичная архитектура и как правильно делить документы на части (chunking). Второй модуль погружает в инфраструктуру: эмбеддинги (числовые представления текста), векторные базы данных для быстрого поиска и гибридный поиск, сочетающий семантический и ключевой поиск. Третий модуль — продвинутые паттерны: Self-RAG, RAG Fusion, GraphRAG и агентный RAG.
Курс рассчитан на разработчиков, которые строят AI-продукты или хотят добавить AI в существующие приложения. Предполагается базовое понимание промптинга и знакомство с API. Знание конкретных фреймворков (LangChain, LlamaIndex) не требуется — курс объясняет концепции, применимые к любому стеку.
После прохождения курса у тебя будет полная картина RAG-систем: от простого прототипа до продакшен-паттернов, которые используют ведущие AI-компании. Квизы в конце каждого модуля помогут закрепить ключевые концепции и выявить пробелы.
Модуль 1: Основы RAG
Что такое RAG, зачем нужен, как устроен
Модуль 2: Инфраструктура
Эмбеддинги, векторные БД и гибридный поиск
Модуль 3: Продвинутый RAG
Self-RAG, RAG Fusion, GraphRAG и агентный RAG