在本课程中，我们将学习如何为检索增强生成（RAG）优化文件和数据。

在本课程结束时，您将掌握可行的步骤，以提高LLM 在使用自定义知识源时生成的回复的质量。

RAG 结合了两个强大的概念：检索和生成。它允许人工智能代理从庞大的数据源（如产品目录或保单列表）中提取精确信息，然后使用语言模型生成自然、翔实的回复。这意味着人工智能代理不仅能给出答案，还能快速准确地提供来自可信来源的正确答案。

但问题是：代理答复的质量在很大程度上取决于您提供的数据的质量和结构。如果输入的数据杂乱无章、冗余或无序，那么座席人员的回答就会反映出这一点。这就是数据预处理的关键所在。通过精心准备数据，您将为高质量、有意义和准确的回复奠定基础。

在本系列中，我们将指导您了解为 RAG 准备文件和数据所需的一切知识。我们将介绍

• 如何使文件结构清晰明了、
• 清理和简化文本的最佳做法、
• 添加元数据和摘要，提供更丰富的背景信息、
• 优化非文本数据，如图像和表格、
• 数据验证和维护。

每段视频都将通过实例分解这些步骤，为您提供可直接应用于人工智能项目的可行见解。在本系列课程结束时，您将掌握各种工具来处理任何数据集，对其进行 RAG 转换，并优化人工智能代理的性能。