本文将用通俗易懂的方式，结合最新技术趋势和真实案例，详细拆解RAG系统从搭建到落地的全流程。

训练基座大模型那都是大公司们的事情，普通人、普通公司肯定是玩不起的，但是作为一个技术人，你可以不去做真正的大模型训练，但是你还是有必要知道和了解一下一个大模型是如何训练出来的。

用好AI，就是用好Prompt，也就是提问的技巧

这份文档好就好在，它没有上来就给你堆一堆数学公式讲什么高维空间，而是直接通过代码和图解，把 RAG（检索增强生成）这个被吹上天的概念，还原成了最朴素的工程问题。

企业 RAG 不是一个纯技术问题，对行业的理解、对脏数据的处理能力、对工程细节的把控，都是绕不开的必修课。

AI知识库（检索增强生成，Retrieval-Augmented Generation，简称RAG）是一种让AI变得更靠谱的技术，通过给大模型"安装外部记忆库"，使它能查阅最新和最准确的信息来回答问题，而不是靠"脑子里记的东西"瞎编。

大语言模型（LLM）是非常庞大的深度学习模型，它们在大量数据上进行预训练。其底层的Transformer是一组神经网络，由具有自注意力能力的编码器和解码器组成。

这本书以 “图解”为核心理念，通过超过300幅高质量插图，彻底颠覆你对技术书“晦涩难懂”的刻板印象。从底层原理到应用开发，再到模型训练与微调，它让你不仅能**“读懂”**，还能 “看懂” ，更要“用起来” 。

今天,我们就来聊聊大模型压缩的两大主流技术——量化(Quantization)和蒸馏(Distillation)。

这本书由浙江大学DAILY实验室毛玉仁、高云君教授等领衔撰写，是一本聚焦于大语言模型知识传授的专业书籍。在Github上星标已经超过11K！