# rag

**Repository Path**: wuyunbin084math/rag

## Basic Information

- **Project Name**: rag
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-29
- **Last Updated**: 2026-06-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

我的运行环境是基于VM17的Ubuntu 26.04 Server构建的虚拟机。已经提前安装好了docker环境。配置情况如下：
1- 虚拟机地址是: 192.168.168.131,直接用root账号使用公私钥登录即可。
2- MySQL数据库已经安装好，端口是3306，用户名是root，密码是root1234
3- Redis数据库已经安装好，端口是6379,没有账号密码。
这是我们的课程内容，对象是双非本科的大一学生
第1天	开班与RAG环境校验+核心原理入门	上午	1. 实训开班宣讲：项目定位、企业级RAG知识库的业务价值、5天实训整体节奏与考核标准；2. 分组与团队分工确定（2-3人一组）；3. 开发环境规范说明：Win11 IDEA开发环境、预制虚拟机的使用规范、AI辅助编程工具的使用要求；4. RAG核心原理通俗讲解：大模型幻觉问题、RAG解决思路、全流程业务链路拆解（文档解析→分片→向量化→向量存储→检索匹配→LLM回答），弱化底层算法推导，重业务流程理解。
第1天	开班与RAG环境校验+核心原理入门	下午	1. 预制虚拟机导入与基础配置教学：VM17虚拟机导入步骤、桥接网卡配置、静态IP设置、宿主机与虚拟机网络互通校验；2. 核心服务启动与连通性验证：Ubuntu基础命令速查、Milvus向量库一键启动、Ollama大模型服务启动、核心端口连通性测试（19530/Milvus、11434/Ollama）；3. 课堂实操校验：每位学生独立完成虚拟机导入、IP配置、服务启动，提交服务连通截图，确保全班环境100%就绪；4. 课后任务：预习SpringAI核心组件、SpringBoot3项目基础结构。


第2天	SpringBoot3+SpringAI项目搭建+文档解析与文本分片模块开发	上午	1. SpringAI核心组件详解：ChatClient（大模型对话）、Embedding（文本向量化）、VectorStore（向量库存储）的核心作用与API规范；2. 项目工程规范讲解：Maven依赖管理、SpringBoot3项目结构、配置文件分层、代码命名规范；3. 统一项目搭建教学：手把手创建SpringBoot3工程，对齐核心依赖版本，讲解核心依赖的作用；4. 配置文件详解：application.properties中Ollama服务配置、Milvus向量库配置、向量维度匹配的核心坑点说明。
第2天	SpringBoot3+SpringAI项目搭建+文档解析与文本分片模块开发	下午	1. 企业级文档解析模块开发：Apache Tika工具类封装，兼容PDF/Word/TXT/Markdown等主流办公文档格式，解决文档乱码、加密文档兜底处理；2. 文本分片核心逻辑讲解：长文本分片的业务意义、Token分片规则、重叠分片的作用、SpringAI内置TokenTextSplitter的使用方法；3. 课堂实操开发：学生独立完成文档解析工具类、文本分片器的开发，本地测试任意文档的文本提取与分片效果，打印验证分片结果；4. 课堂校验：每组提交文档解析与分片功能的自测结果，确保核心功能100%可用；5. 课后任务：预习VectorStore向量库核心API、文件上传接口开发规范。

第3天	RAG文档入库全链路开发+向量库存储实操	上午	1. 向量库核心API详解：SpringAI VectorStore的核心方法，add()批量向量入库、similaritySearch()相似度检索的参数与返回值说明；2. 文档入库全链路业务拆解：文件上传→文本提取→智能分片→批量向量化→写入Milvus向量库的完整流程设计；3. 文件上传接口开发规范：SpringBoot MultipartFile文件上传配置、大文件上传限制、文件类型校验、异常捕获处理；4. 向量库数据验证教学：如何进入Milvus容器查看集合数据、验证向量是否成功写入、元数据（文件名）是否正确关联。
第3天	RAG文档入库全链路开发+向量库存储实操	下午	1. 课堂实操开发：学生分组完成RagKnowledgeService入库业务逻辑、文件上传Controller接口的开发；2. 端到端入库测试：使用Postman上传测试文档，完成文档解析→分片→向量化→Milvus入库的全流程测试，验证向量库数据写入结果；3. 高频问题排错教学：向量维度不匹配、虚拟机网络不通、集合创建失败、文件解析异常等常见问题的排查与解决方法；4. 课堂校验：每组提交文档上传入库功能的测试截图，确保全链路跑通；5. 课后任务：预习相似度检索逻辑、RAG提示词模板设计、问答接口开发规范。