آموزش RAG پیشرفته با Spring AI: مسترکلاس هوش مصنوعی سازمانی - آخرین آپدیت

سرفصل ها و درس ها

مبانی دوره، معماری RAG سازمانی و راه‌اندازی پروژه Course Foundations, Enterprise RAG Architecture & Project Setup

• مقدمه‌ای بر تولید تقویت‌شده با بازیابی (RAG) Introduction to Retrieval-Augmented Generation (RAG)

• چرا LLMهای سنتی برای هوش مصنوعی سازمانی کافی نیستند Why Traditional LLMs Are Not Enough for Enterprise AI

• ساخت یک دستیار پشتیبانی هوش مصنوعی سازمانی Building an Enterprise AI Support Assistant

• مرور کلی معماری سیستم RAG سازمانی Enterprise RAG System Architecture Overview

• ایجاد پروژه Spring AI Creating the Spring AI Project

• درک مجموعه داده‌های دانش سازمانی Understanding the Enterprise Knowledge Dataset

• راه‌اندازی PostgreSQL و pgvector Setting Up PostgreSQL and pgvector

ساخت خط لوله‌های ورود دانش سازمانی Building Enterprise Knowledge Ingestion Pipelines

• از داده‌های سازمانی تا دانش قابل جستجو From Enterprise Data to Searchable Knowledge

• طراحی مدل KnowledgeDocument Designing the KnowledgeDocument Model

• ساخت خط لوله ورود داده‌های ویکی Building a Wiki Ingestion Pipeline

• ساخت خط لوله ورود داده‌های PDF Building a PDF Ingestion Pipeline

• ورود تیکت‌های پشتیبانی و گزارش‌های حوادث Ingesting Support Tickets and Incident Reports

• ورود گزارشات سازمانی Ingesting Enterprise Reports

• ورود تصاویر و اسکرین‌شات‌ها بر پایه OCR OCR-Based Image and Screenshot Ingestion

• ساخت ارکستراتور کامل ورود داده‌ها Building the Complete Ingestion Orchestrator

استراتژی‌های تکه‌بندی اسناد سازمانی برای RAG Enterprise Document Chunking Strategies for RAG

• چرا تکه‌بندی اسناد در RAG اهمیت دارد Why Document Chunking Matters in RAG

• تکه‌بندی با اندازه ثابت (Fixed Size Chunking) Fixed-Size Chunking

• تکه‌بندی هم‌پوشان برای کانتکست بهتر Overlapping Chunking for Better Context

• تکه‌بندی معنایی با ساختار Markdown Semantic Chunking with Markdown Structure

• تکه‌بندی رکوردهای دیتابیس سازمانی Chunking Enterprise Database Records

• ساخت ارکستراتور تکه‌بندی Building the Chunking Orchestrator

جاسازی‌ها، ذخیره‌سازی برداری و ایندکس‌گذاری دانش سازمانی Embeddings, Vector Storage & Enterprise Knowledge Indexing

• درک جاسازی‌ها (Embeddings) و جستجوی برداری Understanding Embeddings and Vector Search

• پیکربندی Spring AI با PostgreSQL و pgvector Configuring Spring AI with PostgreSQL and pgvector

• ساخت سرویس Vector Store Building the Vector Store Service

• ساخت خط لوله ایندکس‌گذاری سازمانی Building the Enterprise Indexing Pipeline

ساخت بازیابی معنایی با Spring AI Building Semantic Retrieval with Spring AI

• ساخت سرویس بازیابی معنایی Building the Semantic Retrieval Service

• طراحی معماری بازیابی Designing the Retrieval Architecture

• ساخت REST API بازیابی Building the Retrieval REST API

• بازیابی معنایی بر پایه متاداده Metadata-Based Semantic Retrieval

• ارزیابی کیفیت بازیابی معنایی Evaluating Semantic Retrieval Quality

جستجوی ترکیبی، رتبه‌بندی و بهینه‌سازی بازیابی سازمانی Hybrid Search, Ranking & Enterprise Retrieval Optimization

• چرا جستجوی معنایی به تنهایی کافی نیست Why Semantic Search Alone Is Not Enough

• ساخت جستجوی متن کامل (Full Text Search) با PostgreSQL Building Full-Text Search with PostgreSQL

• ساخت خط لوله بازیابی ترکیبی (Hybrid Retrieval) Building a Hybrid Retrieval Pipeline

• رتبه‌بندی نتایج جستجوی ترکیبی Ranking Hybrid Search Results

• استراتژی‌های رتبه‌بندی مجدد (Re-ranking) سازمانی Enterprise Re-Ranking Strategies

• مقایسه استراتژی‌های بازیابی سازمانی Comparing Enterprise Retrieval Strategies

تکنیک‌های پیشرفته بهبود پرس‌وجو برای RAG Advanced Query Enhancement Techniques for RAG

• چرا بهبود پرس‌وجو باعث ارتقای RAG می‌شود Why Query Enhancement Improves RAG

• بازنویسی پرس‌وجو با LLMها Query Rewriting with LLMs

• تولید چندین پرس‌وجوی جستجو Generating Multiple Search Queries

• ساخت بازیابی چند-پرس‌وجویی (Multi Query Retrieval) Building Multi-Query Retrieval

• HyDE: جاسازی‌های اسنادی فرضی HyDE: Hypothetical Document Embeddings

• تجزیه پرس‌وجو (Query Decomposition) Query Decomposition

• ساخت خط لوله جایگزین (Fallback) برای بازیابی Building a Retrieval Fallback Pipeline

مهندسی پرامپت و تولید پاسخ‌های مستند Prompt Engineering & Grounded Response Generation

• از بازیابی تا تولید مستند (Grounded Generation) From Retrieval to Grounded Generation

• ساخت سرویس ارکستراسیون پرامپت Building the Prompt Orchestration Service

• ساخت سرویس چت سازمانی Building the Enterprise Chat Service

• تأیید پاسخ‌های مستند Verifying Grounded Responses

• ارجاع به منابع و نقل‌قول‌ها Source Attribution and Citations

• بهبود فرمت‌بندی کانتکست پرامپت Improving Prompt Context Formatting

ارزیابی RAG، بنچ‌مارک و مشاهده‌پذیری RAG Evaluation, Benchmarking & Observability

• چرا ارزیابی و مشاهده‌پذیری RAG اهمیت دارد Why RAG Evaluation and Observability Matter

• اندازه‌گیری تاخیر بازیابی و تولید Measuring Retrieval and Generation Latency

• مانیتورینگ با Spring Boot Actuator و Prometheus Monitoring with Spring Boot Actuator and Prometheus

• ساخت معیارهای (Metrics) سفارشی برای RAG Building Custom RAG Metrics

• ارزیابی کیفیت بازیابی Evaluating Retrieval Quality

• ساخت چارچوب بنچ‌مارک بازیابی Building a Retrieval Benchmark Framework

• مقایسه استراتژی‌های بازیابی Comparing Retrieval Strategies

• ارزیابی پاسخ‌های مستند Evaluating Grounded Responses

امنیت RAG سازمانی، حاکمیت و بهینه‌سازی عملکرد Enterprise RAG Security, Governance & Performance Optimization

• مبانی حاکمیت RAG سازمانی Enterprise RAG Governance Fundamentals

• فیلترینگ بازیابی بر پایه متاداده Metadata-Based Retrieval Filtering

• ساخت بازیابی چند مستاجری (Multi Tenant) Building Multi-Tenant Retrieval

• ثبت لاگ ممیزی برای RAG سازمانی Audit Logging for Enterprise RAG

• تشخیص PII در هنگام بازیابی Detecting PII During Retrieval

• رتبه‌بندی بازیابی آگاه از تازگی داده‌ها Freshness-Aware Retrieval Ranking

• کشینگ پاسخ‌ها با Spring Cache و Caffeine Response Caching with Spring Cache and Caffeine

معماری‌های پیشرفته RAG: Self RAG، Corrective RAG و Adaptive RAG Advanced RAG Architectures: Self-RAG, Corrective RAG & Adaptive RAG

• مقدمه‌ای بر معماری‌های پیشرفته RAG Introduction to Advanced RAG Architectures

• ساخت Self RAG Building Self-RAG

• ساخت Corrective RAG Building Corrective RAG

• ساخت Adaptive RAG Building Adaptive RAG

• مقایسه معماری‌های پیشرفته RAG Comparing Advanced RAG Architectures

مقدمه‌ای بر GraphRAG با Neo4j و Spring AI Introduction to GraphRAG with Neo4j and Spring AI

• مقدمه‌ای بر GraphRAG Introduction to GraphRAG

• ساخت گراف دانش سازمانی Building an Enterprise Knowledge Graph

• بازیابی داده‌ها از گراف دانش Retrieving Data from the Knowledge Graph

• غنی‌سازی پرامپت‌ها با کانتکست گراف Enriching Prompts with Graph Context

• چه زمانی باید از GraphRAG استفاده کرد؟ When Should You Use GraphRAG?