課次：第講課程教案授課主題第5章檢索增強(qiáng)生成（RAG）技術(shù)章節(jié)內(nèi)容第5章檢索增強(qiáng)生成（RAG）技術(shù)地點(diǎn)課時2教學(xué)目的與要求1.了解RAG技術(shù)，了解解決大模型幻覺問題的邏輯；2.熟悉RAG系統(tǒng)的三大核心組件功能及協(xié)同機(jī)制；3.掌握RAG系統(tǒng)全流程工作邏輯；4.掌握文本向量化、混合檢索、提示詞工程等關(guān)鍵技術(shù)原理；教學(xué)重點(diǎn)1.RAG系統(tǒng)三大核心組件的功能、實(shí)現(xiàn)方式與評估指標(biāo)；2.RAG系統(tǒng)全流程工作邏輯；3.RAG關(guān)鍵技術(shù)：文本向量化、混合檢索策略、提示詞工程與上下文融合技巧；教學(xué)難點(diǎn)1.文本向量化中稠密與稀疏向量模型的技術(shù)差異及適用場景辨析；2.混合檢索策略的實(shí)現(xiàn)邏輯及工程化落地；3.上下文融合技術(shù)的原理及在長文本場景中的優(yōu)化效果；4.LangChain框架的文檔分塊策略、向量數(shù)據(jù)庫選型、檢索器與生成器協(xié)同調(diào)優(yōu)；教學(xué)方法1.多媒體教學(xué)演示；2.案例分析法；3.討論法；教學(xué)手段1.案例素材展示；2.思維導(dǎo)圖呈現(xiàn)；3.習(xí)題集訓(xùn)練教學(xué)過程課程思政元素1.導(dǎo)入：以行業(yè)痛點(diǎn)切入，展示大模型在醫(yī)療領(lǐng)域錯誤率超50%、傳統(tǒng)AI知識更新周期長達(dá)數(shù)月的統(tǒng)計數(shù)據(jù)，引出“如何讓大模型‘查資料再回答’”的核心問題；分享醫(yī)療診斷中RAG系統(tǒng)降低誤診率、金融合規(guī)中動態(tài)適配監(jiān)管政策的案例，讓學(xué)生直觀感受RAG技術(shù)的實(shí)用價值，激發(fā)學(xué)習(xí)興趣。2.理論講解：（1）技術(shù)概述模塊：系統(tǒng)講解RAG的定義、實(shí)用價值，按時間線梳理早期探索、優(yōu)化擴(kuò)展、多模態(tài)RAG的發(fā)展脈絡(luò)，重點(diǎn)介紹REALM、DPR、Flamingo等關(guān)鍵模型的突破；（2）核心架構(gòu)模塊：拆解檢索器、生成器、知識庫的功能與實(shí)現(xiàn)，通過示意圖展示三者協(xié)同機(jī)制；-工作流程模塊：分步解析“輸入處理→知識檢索→上下文融合→生成→后處理”全流程，結(jié)合醫(yī)療問答案例具象化每個環(huán)節(jié)的操作；（3）關(guān)鍵技術(shù)模塊：深入講解文本向量化、混合檢索策略、提示詞工程與上下文融合技術(shù)，結(jié)合參數(shù)調(diào)優(yōu)說明生成質(zhì)量控制方法；（4）應(yīng)用場景模塊：剖析醫(yī)療診斷系統(tǒng)、金融合規(guī)與風(fēng)控的行業(yè)痛點(diǎn)與RAG解決方案，展示核心代碼片段；3.案例深度分析：醫(yī)療領(lǐng)域案例：詳細(xì)拆解上海某三甲醫(yī)院RAG系統(tǒng)的知識庫構(gòu)建、混合檢索策略、提示詞增強(qiáng)的完整流程，分析其如何提升診斷準(zhǔn)確率與效率；金融領(lǐng)域案例：解析歐盟《數(shù)字運(yùn)營韌性法案》落地場景中，RAG系統(tǒng)如何動態(tài)索引央行公告、構(gòu)建風(fēng)險預(yù)警雙鏈路，解決跨境合規(guī)審查復(fù)雜度高的問題；技術(shù)痛點(diǎn)案例：針對“檢索到矛盾文檔”“長文本檢索效率低”“生成答案偏離檢索內(nèi)容”等常見問題，組織學(xué)生分析成因并提出解決方案，強(qiáng)化理論與實(shí)踐的關(guān)聯(lián)。4.實(shí)戰(zhàn)操作（核心環(huán)節(jié)）：-實(shí)驗(yàn)準(zhǔn)備：指導(dǎo)學(xué)生配置實(shí)驗(yàn)環(huán)境（Python3.9+、安裝LangChain、PyPDFLoader、FAISS、Sentence-BERT等依賴庫），分發(fā)實(shí)驗(yàn)素材（《中國糖尿病防治指南》PDF、實(shí)戰(zhàn)代碼模板）；分步實(shí)操：①知識庫準(zhǔn)備：使用PyPDFLoader加載PDF文檔，通過RecursiveCharacterTextSplitter按語義+長度分塊，講解分塊策略對檢索效果的影響；②向量數(shù)據(jù)庫構(gòu)建：調(diào)用HuggingFaceEmbeddings生成文本向量，使用FAISS構(gòu)建向量數(shù)據(jù)庫并保存，演示向量相似度計算原理；③檢索器實(shí)現(xiàn)：配置BM25+FAISS混合檢索器，通過EnsembleRetriever加權(quán)融合結(jié)果，講解Top-K值調(diào)整對召回率的影響；④生成模型配置：加載醫(yī)療領(lǐng)域微調(diào)模型（IDEA-CCNL/Wenzhong-GPT2-110M），配置溫度（0.3）、重復(fù)懲罰（1.1）等參數(shù)，說明參數(shù)對生成質(zhì)量的影響；⑤RAG鏈搭建：使用LangChain構(gòu)建“檢索→格式轉(zhuǎn)換→提示詞增強(qiáng)→生成→輸出”的端到端鏈條，測試“我國糖尿病患病率的變化趨勢”等示例問題，觀察答案與來源文檔的匹配度；-問題調(diào)試：針對學(xué)生實(shí)操中出現(xiàn)的“文檔加載失敗”“向量數(shù)據(jù)庫無法保存”“生成答案不精準(zhǔn)”等問題，集中答疑并引導(dǎo)排查。5.互動討論：組織小組討論，圍繞“如何優(yōu)化RAG系統(tǒng)在法律領(lǐng)域的應(yīng)用”“當(dāng)GPU內(nèi)存不足時，如何降低RAG系統(tǒng)的部署成本”“RAG技術(shù)在保護(hù)數(shù)據(jù)隱私方面有哪些優(yōu)勢與不足”三個議題展開；每組推選代表分享方案，教師結(jié)合混合檢索優(yōu)化、輕量化部署、知識庫權(quán)限管控等知識點(diǎn)點(diǎn)評，拓展技術(shù)落地思路。6.總結(jié)拓展：知識體系梳理：以“痛點(diǎn)→技術(shù)原理→架構(gòu)→關(guān)鍵技術(shù)→實(shí)戰(zhàn)→挑戰(zhàn)→未來”為邏輯主線，串聯(lián)章節(jié)核心知識點(diǎn)，形成完整認(rèn)知框架。1.弘揚(yáng)科學(xué)家精神：通過顏水成團(tuán)隊在RAG技術(shù)領(lǐng)域攻堅克難、反復(fù)實(shí)驗(yàn)的故事，傳遞執(zhí)著追求、勇于突破的科研精神，激勵學(xué)生在技術(shù)學(xué)習(xí)中精益求