jamwithai/production-agentic-rag-course

📌 jamwithai Production‑Agentic‑RAG 課程：從零打造 arXiv 論文研究助理

🎣 你以為 RAG 只要串向量資料庫就夠？這個課程卻從關鍵字搜尋開始，一步步帶你打造生產等級的 AI 研究助理，讓你真正理解搜尋基礎才是關鍵。

🤔 學習資源缺乏系統化實作路徑
許多 RAG 教學直接跳向向量檢索，忽略了傳統關鍵字搜尋的堅實基礎，導致上手後難以在真實產品中穩定運作。工程師需要一條從基礎到進階的完整學習路徑。

🧪 四週實作課程：基礎建置 → 資料管道 → 關鍵字搜尋 → 混合檢索

• 第 1 週：使用 Docker、FastAPI、PostgreSQL、OpenSearch、Airflow 建立完整基礎設施。
• 第 2 週：實作自動化管道，從 arXiv 抓取、解析學術論文。
• 第 3 週：實作生產級 BM25 關鍵字搜尋，加入過濾與相關度評分。
• 第 4 週：智慧切分與混合搜尋，將關鍵字與語義向量結合，完成檢索增強生成（RAG）流程。

📚 你將擁有自己的 AI 研究助理與生產級 RAG 實作經驗
完成課程後，學員將擁有能自動抓取論文、理解內容並回答研究問題的系統，同時掌握業界常見的搜尋基礎與向量增強技術，適用於任何領域的 RAG 系統開發。

💡 先打牢關鍵字根基，再向量加值才是專業做法
課程特別強調「先掌握 keyword search，再增強向量」的專業路徑，這與許多 AI‑first 教學形成對比，有助於避免在實際產品中出現召回率低或無法除錯的問題。

⚠️ 課程重點在實作教學，未提出新演算法或理論貢獻
此 repo 為學習專案，主要提供完整的程式碼與逐步說明，並未發表新的檢索或生成模型，適合想要上手實作的工程師，但不適用於尋找理論創新的讀者。

🎯 適合想要從零建置生產級 RAG 系統的 AI 工程師

• 若你正在評估或改進公司內部的知識檢索與生成管道，此課程提供可直接參考的架構範例。
• 透過實作過程，你將學會如何在 Docker、FastAPI、PostgreSQL、OpenSearch、Airflow 等常見工具間協同作業。
• 建議先完成第 1 週的基礎設施，再依序進行資料管道與搜尋實作，以確保每一步都能驗證結果。

🔗 課程連結
📦 jamwithai/production-agentic-rag-course
🔗 https://github.com/jamwithai/production-agentic-rag-course

你有試過從關鍵字搜尋開始建置 RAG 嗎？歡迎在留言區分享你的經驗或問題 👇

#AI #RAG #RetrievalAugmentedGeneration #arXiv #GitHubTrending #jamwithai #工程師學習 #生產等級系統