第六章 结课与展望

恭喜您完成了本课程！我们希望您已经掌握了如何构建、评估和迭代您的检索增强生成（RAG）应用以使其更适合生产环境的技能。无论您是来自数据科学、机器学习背景，还是传统软件开发背景，学习这些核心开发原则都是必要的，这将使您成为能够构建健壮的大型语言模型（LLM）软件系统的顶尖AI工程师。

📚 课程总结

本课程深入探讨了RAG技术，并介绍了如何减少LLM的幻觉现象，这是每位开发者随着领域发展而需要优先考虑的问题。我们对基础模型的改进和大规模评估的降低成本及其变得更易于设置和运行感到兴奋。

🛠️ 深入探索

我们建议您更深入地了解您的数据管道、检索策略和LLM提示，以帮助提高RAG性能。我们展示的这两种技术只是冰山一角。您应该研究从块大小到检索技术（如混合搜索）以及基于LLM的推理（如思维链）等所有内容。

📈 进一步评估

RAG三元组是评估基于RAG的LLM应用的绝佳起点。接下来，我们鼓励您更深入地挖掘评估LLM及其支持的应用领域。这包括评估模型置信度、校准、不确定性、可解释性、隐私、公平性和在良性及对抗性环境中的毒性等主题。

🚀 未来展望

通过本课程的学习，您现在已经准备好开始构建令人激动的应用，并在AI的新领域探索未知了吗？

再次祝贺您完成课程，希望您在AI领域的探索之旅中取得巨大成功！