Index of /课程/AI大模型/Java转AI：生产级AI Agent开发/第9章 BI报表问答Agent：RAG技术与向量库整合

• Parent Directory
• 9-1 架构设计：从痛点出发的架构思维_ev.mp4
• 9-10 扩展：项目集成Milvus作为向量数据库_ev.mp4
• 9-11 智能BI报表问答系统Graph工作流设计_ev.mp4
• 9-12 数据准备：前置数据库脚本执行_ev.mp4
• 9-13 明确目标：核心节点开发逻辑梳理_ev.mp4
• 9-14 AI Agent 提示词：教你编写高效果优质 Prompt_ev.mp4
• 9-15 RAG 召回 + 大模型内容生成落地_ev.mp4
• 9-16 RAG检索过程源码解析_ev.mp4
• 9-17 如何让AI更好的理解用户不准确的表述？_ev.mp4
• 9-18 面试加分项：多种Prompt优化技术提高召回率_ev.mp4
• 9-2 RAG技术深度解析_ev.mp4
• 9-3 工程初始化与环境搭建_ev.mp4
• 9-4 集成Tika文档读取器实现文档读取_ev.mp4
• 9-5 文本向量大模型介绍以及整合智源向量大模型_ev.mp4
• 9-6 使用Redis作为向量数据库以及问题引出_ev.mp4
• 9-7 踩坑预警！默认文本分割方案的核心问题_ev.mp4
• 9-8 面试加分项：使用自定义的定制化分割器来提高召回准确度_ev.mp4
• 9-9 扩展：使用DockerFile启动Milvus+客户化UI界面_ev.mp4