2026年3月，火龙果软件为某知名气动和自动化元件研发制造企业成功实施了《基于AI大模型开发RAG知识库最佳实践》培训。

培训需求如下：

1. 整体流程和系统搭建该如何做 2. 缺乏基础开发知识和经验，完全依赖AI提供代码，识别能力差 3. 如何以现有数据构建模型 4. 如何用产品数据建立独立的知识图谱，并持续优化 5. 实际项目中AI调教较为困难，需求复杂时调教时间可能比手写要久 6. 现有市场覆盖深度不足，如何通过RAG沉淀交互数据支撑全域业务拓展？ 7.对于如何开发一个智能助手思路不是很清晰，很多想法不能得到很好的论证，不知道如何使用工具 8.缺少需求反哺优化机制，如何依托RAG检索交互数据迭代产品与业务策略？ 9.缺乏实际操作与实战经验 10. 全球化多时区服务协同困难，如何通过RAG统一知识库底座支撑跨区域同步服务？

火龙果在培训前充分调查了企业的培训需求，培训由火龙果实践经验丰富的资深技术顾问实施。培训中讲师有在系统化讲解的基础上结合学员工作中的实例有针对性地回答了学员的关键问题，使培训收到了很好效果。火龙果始终倡导的互动案例式教学，真实工作场景演练的培训模式，使本次培训得到了学员的好评，培训达到了客户的既定目标。

 

培训内容：

学员收益：

对RAG的原理和应用有了更全面深入的认识，对日常工作有很大启发。 从基础理论层面了解了知识库搭建和检索以及大模型回答问题的整个流程，对我正在研究的Dify平台上智能问答机器人的调试和后期优化有很大的帮助 以前只概念了解，通过培训对RAG工作原理，流程和架构有了更深的理解。 本次课程收获很多，对非开发人员也很友好。本次主要收获有，利用coze低代码平台构建智能体，本地部署大模型智能体，对pdf、excel等不同类型数据如何结构化有了初步理解，以及如何利用AI制作及优化提示词等。 学习了RAG架构，实践了API调用大模型，自己搭建知识库，学习了RAG中各参数有什么用 提示词优化，了解了向量的原理 ，切块的方法代码实现rag，父子文本块检索等技术，实现使用代码完成RAG流程。 获得了怎样搭建一个知识库的相关知识，并且学到了很多Ai工具网站，对未来更好的开发Ai项目很有作用。 对AI大模型工作原理有了深入认识，对本地化部署，本地化开发有了深入学习。 对于扣子编程，ollma ，longchain的工具使用有了深入学习。 第一天 学习了如何搭建AI智能体，完成从0开始搭建智能体并且完成部分优化、学习专业提示词生成方法、学习召回数量，匹配度相关参数调试方法、成功运行自主搭建的智能体。了解大模型对话本质，上下午对话实际流程。第二天 学习大模型本地部署，安全性更高，可以实际应用在企业生产方面。学习知识库切片，文本切块，向量嵌入，向量存储。学习大模型检索前处理。学习调用实时数据的方法，不同数据对应不同处理方式。成功调用api完成实时数据获取并应用在智能体。 学习了低代码平台扣子的使用方法，学习了提示词构建等工具。 今天的学习让我对RAG（检索增强生成）技术有了更清晰、更系统的理解。通过理论学习与低代码工具的实操结合，我不仅掌握了RAG的核心概念与技术流程，还亲手完成了从提示词设计、知识库搭建到效果验证的全流程构建。 实操和理论的结合，使我对大模型的应用增强了认识，已经入门。

   

火龙果基于20年行业经验，梳理IT人员能力模型，提供能力规范、能力培养、评测服务。

 

课程大纲：基于AI大模型开发RAG知识库最佳实践