📚
L2 核心技能 · 第 3-4 周 · 核心技能
第四篇 · RAG 产品设计
知识架构：让 AI 站在你的数据上回答
🎯 能独立判断知识型 AI 产品是否该用 RAG、怎么用好
- 01RAG 原理入门：检索增强生成为什么有效本课程讲清 RAG（检索增强生成）的基本原理与产品价值：模型知识有截止日期、会编造、私有数据不在训练集中，RAG 用"先查资料再回答"的方式解决这些问题。你将理解 RAG 的完整链路、与微调的选择逻辑，以及哪些产品场景适合 RAG。11 min
- 02检索质量优化：分块、向量与重排序的产品视角本课程从产品经理视角拆解 RAG 检索链路的三大优化点：文档分块策略、向量模型选择与混合检索、重排序机制。你将理解每个技术选择背后的产品权衡，学会用命中率数据驱动优化优先级，而不是盲目堆砌技术方案。15 min
- 03RAG 产品决策点：何时引用、如何处理查不到、幻觉兜底本课程聚焦 RAG 产品设计中三个高频决策：引用与溯源的展示方式、检索无结果时的诚实策略、幻觉的分层兜底方案。通过 Perplexity、ChatGPT 等案例，讲清信任体验的设计细节，帮助产品经理在准确性与体验之间做出清醒取舍。14 min
- 04RAG 效果评估：从检索命中率到端到端体验指标本课程讲如何搭建完整的 RAG 评估体系：检索层指标（命中率、MRR）、生成层指标（忠实度、相关性、引用准确率）、端到端业务指标与线上用户信号。你将学会分层归因定位问题，理解 RAGAS 等自动化评估工具的用法与局限。17 min
- 完成本篇全部 4 章，去 实战任务 检验成果