欢迎大家来到这个课程。这个课程介绍使用 Spring AI 1.0 开发 AI 大模型检索增强生成应用。本课程的内容分成如下几个部分：首先介绍 Spring AI 中与检索增强生成相关的进阶内容，围绕文档的 ETL 过程展开，也就是文档的提取，转换和加载。在文档提取方面，介绍从不同类型的文件中提取内容，包括 Office 文档格式，Word，Excel 和 PowerPoint 文件，使用 OCR 技术从图片中提取文本内容，从网页中提取内容。在文档转换方面，主要介绍文档的分块，不同的文档分块策略。在文档加载方面，主要介绍不同的向量数据库实现，包括 Spring AI 自带的向量数据库实现，Chroma，Elasticsearch，以及集成新的向量数据库，以阿里云的向量检索服务 DashVector 为例。接着介绍 Spring AI 1.0 新增的几个功能。这几个功能与检索增强生成相关，分别是Advisor 提供了一种通用的方式来处理发送给 AI 模型的请求，以及处理 AI 模型的响应。Spring AI 自带了检索增强生成的 Advisor 实现。DocumentRetriever 根据查询来获取文档，对应于检索的部分。Evaluator 评估 RAG 应用给出的结果，用来评判 RAG 应用的准确性。然后介绍与检索增强生成相关的进阶内容，分成 3 个部分，分别对应于"检索增强生成"这一名称中的3个组成部分，也就是检索，增强和生成。每个组成部分有各自相关的内容。在检索部分，介绍的是查询优化技术。对用户提供的原始查询内容进行优化，提升查询结果的质量。查询优化的具体技术包括查询扩展和查询路由。在生成部分，对检索到的内容进行后续的处理，包括重新排序和内容压缩。在增强部分，介绍不同的检索策略，主要介绍迭代式检索。最后是检索增强生成应用的评估。作为一门实战课程，相关的开发实战是必不可少的。介绍了两个实战的例子，一个是 PDF 问答，另外一个是网页内容总结。本课程的全部代码，使用的是 Spring AI 1.0.0-M3 的最新版本。购买该课程，可以获取到全部的源代码。源代码可以从课程的资源中下载。由于 Spring AI 1.0 还在开发中，如果 Spring AI 有变化，课程的内容会及时更新，也会适时增加更多的内容。