RAG（检索增强生成）依旧是 LLM 应用落地最稳的路径，整理了一套 2025 版的实战课程内容，覆盖从基础到进阶：
https://pan.quark.cn/s/c3d8aafffc46
几个学习建议：
- 先跑通最小链路：文档加载 → 切分 → 向量化 → 检索 → 拼接生成，一百行代码就能跑起来；
- 切分策略比模型重要：固定长度切分是底线，按语义/标题结构切分效果通常好一截；
- 混合检索是性价比最高的优化：向量检索加 BM25，再配一层 rerank，大多数场景够用；
- 评测别省：没有评测集就没有迭代方向，召回率和忠实度是两个核心指标。
课程里对 GraphRAG、多路召回这些新玩法也有涉及，适合已经上手过 LLM API 的开发者系统补一遍。