⭐️⭐️⭐️白嫖的阿里云认证⭐️⭐️⭐️ 第三弹【课时2：RAG应用的构建和优化】for「大模型Clouder认证：RAG应用构建及优化」

一、学习目标：明确核心能力培养方向

概要

通过系统化学习，掌握在阿里云百炼平台构建可调用RAG应用的全流程，并深入理解RAG技术的局限性及针对性优化策略，形成从理论到实战的完整知识体系。

具体目标列表

1. 流程掌握：
   • 精准操作百炼平台完成「数据导入→知识索引创建→应用开发→多方式API调用」的闭环，熟悉各环节状态监控（如数据导入进度、文档解析状态）。
   • 区分智能体应用调用与Assistant API调用的适用场景，能根据业务需求选择合适的接口方案。
2. 问题认知：
   • 能结合具体案例（如用户模糊提问、知识库漏检、答案幻觉）分析RAG三大核心局限性的产生机制，识别技术链中的薄弱环节。
3. 优化能力：
   • 针对不同业务场景（如法律文档检索、电商导购问答）定制Chunk切分策略（领域知识切分/上下文感知切分），掌握Embedding模型选型的核心指标（中文场景优先BGE-large-zh-v1.5）。
   • 实现Multi-Query多路召回、Self-RAG自我反思等优化策略的提示词设计，理解其对生成答案相关性的提升逻辑。
4. 评测思维：
   • 建立包含「检索准确率（Precision）、召回率（Recall）」「生成真实性（Factuality）、实用性（Actionability）」的多维评测体系，能使用Ragas工具进行初步性能诊断。

二、知识点汇总：从构建到优化的全链路解析

1. 快速构建RAG应用：百炼平台实操四步法（含API调用深度解析）

1.1 数据管理：非结构化数据导入的「三要素」

• 操作路径：百炼控制台→数据管理→非结构化数据→默认类目→导入数据（支持本地上传/OSS文件）
• 关键细节：
  • 数据状态监控：需手动刷新页面直至状态显示「导入完成」，大文件（>100MB）解析时间可能长达10分钟以上。
  • 格式支持：优先上传PDF/Word/Markdown，纯文本文件需注意编码格式（建议UTF-8），避免解析乱码。

1.2 创建知识索引：从文件到可检索向量的转化过程

1. 新建知识库：数据应用→知识索引→创建知识库→填写名称（如"电商产品手册"）→默认配置（分词器选「中文分词」）
2. 文件关联：勾选已导入的文档（支持多选），注意文件大小限制（单文件建议<50MB）
3. 解析等待：系统自动完成「文本提取→分句→生成Embedding向量」，解析完成后在「知识库索引主页」获取知识索引ID（格式为"kg-xxx"，后续Assistant API调用必需）

1.3 创建应用：智能体应用的参数配置指南

• 核心开关：开启「知识库检索增强」后，需绑定步骤1.2创建的知识索引，实现大模型与知识库的联动
• 模型参数：温度系数（Temperature）建议初始设为0.7（平衡创造性与准确性），高频问答场景可降至0.5
• 发布测试：发布后在右侧对话框输入「百炼的业务空间是什么？」验证检索效果，观察是否返回知识库内容

1.4 API调用：两种模式的核心区别与代码解析

▶ 模式一：智能体应用调用（Python示例，适合快速集成）

import os
from dashscope import Application
from http import HTTPStatus

def call_agent_app():
    # 核心参数：app_id为步骤1.3生成的应用ID，需替换占位符
    response = Application.call(
        app_id=