Построение RAG-систем

О курсе

Курс о том, как собрать систему «поиск + генерация ответа» (RAG), которая действительно отвечает по документам, а не выдумывает. Разбираем весь конвейер: извлечение текста из источников, нарезку под ответ, поиск, генерацию с цитированием и оценку качества — с акцентом на то, где реально возникают ошибки.

Шесть модулей идут от вопроса «нужен ли вообще RAG» через подготовку знаний, поиск и генерацию к оценке и эксплуатации. В модуле «Поиск для ответа» собираете рабочий поиск на 100 документах с нормализацией запроса. В «Генерации ответа» строите контракт с поведением при пустом контексте и привязкой утверждений к источникам. В «Оценке» набираете минимум 80 вопросов с эталонами и снимаете первый замер качества.

Курс для тех, кто пишет код и работает с реальными документами своего продукта — понадобится собственная коллекция минимум на 100 файлов. Нужны Python и базовое понимание работы с API языковых моделей. Это не курс про промпт «отвечай по документу» — придётся разбираться с извлечением текста, метаданными и метриками.

Чему вы научитесь

• Оценивать, когда RAG нужен, а когда достаточно длинного контекста или обычного поиска
• Извлекать текст из разных форматов источников, включая таблицы и изображения
• Нарезать документы на фрагменты под ответ, а не под индекс
• Переписывать и расширять пользовательский запрос перед поиском
• Переранжировать найденные фрагменты и отсеивать нерелевантные
• Строить промпт ответчика с привязкой утверждений к источникам и цитированием
• Собирать набор вопросов с эталонами и считать метрики попадания, полноты и выдумок
• Разделять ошибки поиска и ошибки генерации при разборе провалов

Что останется после курса

• Работающий RAG-конвейер на своей коллекции из минимум 100 документов
• Набор из 80+ вопросов с эталонами и первый замер качества ответов
• Отчёт о разложении задержки и стоимости по этапам конвейера
• Оформленный проект по эксплуатации RAG-системы (на платных тарифах — с проверкой куратором и сертификатом)

Не подходит, если нет своих документов для работы или если задача решается обычным полнотекстовым поиском без генерации ответа.