TellerU 官方课 · 进阶应用 · 零基础
RAG 入门：让 AI 带着资料回答问题
为什么“先检索再回答”能让 AI 更靠谱
你将从零基础出发，掌握检索增强生成（RAG）的核心概念与生活化类比，产出可带走的「AI 读教材答题」项目方案。
- 📚 3 个单元 · 9 节课
- ⏱ 约 4 小时
- 🧑🏫 AI 老师白板讲解 + 随堂练习
RAG知识库大模型应用零基础AI应用
免费开始学这门课 →适合谁学
零基础学习者，第一次系统了解 AI，无需编程背景。
课程目录
第 1 单元：为什么 AI 需要“带资料”答题
学习目标：本单元用生活化类比解释大模型知识的局限，并引入 RAG 的基本思想。你将理解为什么 AI 需要外挂知识库，并为项目产出「业务场景与需求说明书」。
认知起点：AI 不是万事通
本讲用“闭卷考试”类比，说明大模型知识冻结、容易幻觉的局限，并引出 RAG 就像“开卷考试”的解决思路。你将完成项目第一阶段的需求梳理。
- 为什么 AI 会一本正经地胡说八道？（约 26 分钟）
- 开卷考试：RAG 如何让 AI 带上小抄？（约 28 分钟）
生活类比：RAG 就是给 AI 配个图书馆
本讲用“图书馆查资料”类比，拆解 RAG 的检索与生成两步，并说明它适合解决哪些问题。你将细化项目需求，明确 AI 读教材答题的目标。
- 图书馆员如何帮你找到答案？（约 26 分钟）
第 2 单元：拆解 RAG 流水线：从资料到答案
学习目标：本单元用生活化类比拆解 RAG 的五个环节：资料准备、切片、向量化、检索、生成。你将理解每个环节的直觉，并为项目产出「知识库与检索流程设计」。
备料：把教材变成 AI 能吃的“小份菜”
本讲用“切菜备料”类比文本切片，用“口味坐标”类比向量，让你直观理解为什么要把长文档切小、变成数字。你将完成知识库切片设计。
- 为什么要把长文章切成小片段？（约 27 分钟）
- 文字怎么变成可以比大小的“向量”？（约 26 分钟）
检索与生成：在资料海里捞针并做成菜
本讲用“按口味找餐厅”类比向量检索，用“厨师根据菜谱做菜”类比生成，解释如何找出相关片段并组织成带引用的答案。你将完成检索与生成环节的设计。
- 如何从海量片段中找出最相关的几条？（约 27 分钟）
- AI 如何把查到的资料组织成答案并标明出处？（约 27 分钟）
第 3 单元：动手设计你的 AI 答题助手
学习目标：本单元综合运用 RAG 知识，完成「AI 读教材答题」项目的方案设计与效果评估。你将学会评估 RAG 效果、避免常见坑，并产出最终项目报告。
设计实战：搭建你的答题助手蓝图
本讲将前两单元的知识串联，用生活化案例展示如何为“AI 读教材答题”设计完整流程，并讨论常见坑与评估方法。你将完成项目方案与评估报告。
- 如何把 RAG 各环节串成一个完整方案？（约 27 分钟）
- 哪些坑会让 RAG 答非所问，怎么判断答得好不好？（约 27 分钟）
在 TellerU 怎么学这门课
- AI 老师在白板上边讲边画，一节课讲透 3 个知识点；
- 讲到的结论都标注出处，点一下就能核对原文；
- 每节有随堂快测和练习，系统按你的掌握度安排复习；
- 听不懂随时提问，老师按你的进度换个讲法再讲一遍。