Курс: RAG для новичков

Урок 1. Как LLM работает с документами и приватными данными (теория)


В уроке я простым языком объясняю, как ИИ “думает” под капотом и как сделать так, чтобы он начал отвечать по твоей информации, а не абстрактно. Пока что без математики и без кода

В уроке разбираем базу 😮:

– почему ChatGPT / Gemini / Claude не видят ваши документы и свежие данные;
– что такое RAG (Retrieval Augmented Generation) и какую проблему он решает;
– из каких этапов состоит RAG-pipeline: indexing → retrieval → generation;
– что такое embeddings, vector store и поиск по смыслу, а не по словам;
– почему RAG — это не дообучение модели, а работа с контекстом.

В курсе используем реальный продуктовый кейс – сервис Antarctic Wallet (оплата USDT по QR-коду в магазинах и сервисах), чтобы показать, как RAG применяется на практике (например, для автоматизации службы поддержки)

Домашнее задание:
– Составить пилотный тест для проверки качества RAG системы по данным со страницы F.A.Q.

🎞 Видео
📖 Методичка в Notion
❤️ Оплатить USDT по QR-коду

В следующем уроке — переходим к коду и собираем RAG-pipeline руками.

SemolinaCode | Chat | YouTube | HowToCode

Курс: RAG для новичков

Урок 2. Первый рабочий RAG pipeline


Вот и пришло время написать код, а именно RAG pipeline. ИИ начнёт отвечать по твоей информации, а не абстрактно. До сих пор без математики, но уже с кодом!!

В уроке напишем полностью рабочий и применимый на практике код:

– загрузка данных с сайта
– деление текста на чанки
– бесплатный embeddings (Ollama + HuggingFace)
– векторное хранилище (ChromaDB)
– поиск релевантных чанков (retriever c k ближайших соседей)
– prompt для LLM генерации
– сборка RAG цепочки через LangChain
– прогон по пилотному тесту: где всё хорошо, а где появляются галлюцинации (пример с KYC)

В курсе используем реальный продуктовый кейс – сервис Antarctic Wallet (оплата USDT по QR-коду в магазинах и сервисах), чтобы показать, как RAG применяется на практике (например, для автоматизации службы поддержки)

🎞 Видео
📖 Методичка в Notion
👩‍💻 Код с урока
❤️ Оплатить USDT по QR-коду

В следующем уроке – улучшим каждый узел пайплайна (retrieval, prompt, формат контекста и т.д.).

SemolinaCode | Chat | YouTube | HowToCode

Курс: RAG для новичков

Урок 3. Как улучшить RAG pipeline: загрузка данных, разбиение, эмбеддинги и Chroma (LangChain)


Если в пошлом уроке мы просто написали простенький RAG pipeline, то в этом уроке мы попробуем довести его до "идеале", а именно этап индексации

Что конкретно сделаем:

– загрузим не одну страницу, а весь сайт через sitemap.xml
– попробуем второй способ: рекурсивный обход ссылок внутри домена
– научимся резать текст правильно: по структуре HTML или по токенам (а не “на глаз”)
– разберёмся с эмбеддингами: как выбрать модель под русский и зачем иногда нужны префиксы
– ускорим ChromaDB: чтобы индекс не пересобирался каждый запуск (запуск из минут → в миллисекунды)

Кейс тот же: Antarctic Wallet – оплата USDT по QR-коду в магазинах и сервисах.
Стараюсь сделать так, чтобы всё было максимально применимо к реальности – для базы знаний / саппорта / FAQ

🎞 Видео
📖 Методичка в Notion
👩‍💻 Код с урока
❤️ Оплатить USDT по QR-коду

В следующем уроке – улучшим этап поиска и генерации

SemolinaCode | Chat | YouTube | HowToCode

Курс: RAG для новичков

Урок 4. Как улучшить RAG pipeline: загрузка данных, разбиение, эмбеддинги и Chroma (LangChain)


Тут мы наконец-то закончим создание нашего "идеального" RAG пайплайна: retriever, format_docs, prompt и LLM параметры.

Что конкретно сделаем:

– Retriever:
similarity vs MMR, пороги релевантности, фильтры по метаданным
– Post-processing:
собираем контекст правильно, добавляем source/page, лимитируем длину
– Prompt для RAG:
только по контексту, без выдумок, честное “нет данных”
– LLM настройки:
temperature, max tokens, top-p — простым языком, без магии
– Финальная LangChain цепочка:
защита от пустого контекста + готовность к LangSmith

Кейс тот же: Antarctic Wallet – оплата USDT по QR-коду в магазинах и сервисах.
Стараюсь сделать так, чтобы всё было максимально применимо к реальности – для базы знаний / саппорта / FAQ

🎞 Видео
📖 Методичка в Notion
👩‍💻 Код с урока
❤️ Оплатить USDT по QR-коду

В следующем уроке – LangSmith (визуальный дебаг) + подготовка к AI агенту


Накиньте реакций, если тема интересна ♥️


SemolinaCode | Chat | YouTube | HowToCode

Курс: RAG для новичков

Урок 5. LangSmith: трассировка, отладка и тестирование приложений на базе LLM


Время отдохнуть от кода и улучшить то, что у нас уже есть. Для этого используем инструмент визуальной отладки, который также покажет нам что происходило на каждом этапе нашего приложения – LangSmith

Что конкретно сделаем:

– подключаем LangSmith к нашему RAG
– смотрим каждый этап цепочки: retriever → контекст → prompt → LLM → output
– видим tokens / latency / ошибки
– собираем online evaluator (LLM-as-a-judge): ChatGPT сам оценивает качество ответа
– делаем Playground и сравниваем 2 промпта (мини A/B)

Кейс тот же: Antarctic Wallet – оплата USDT по QR-коду в магазинах и сервисах.
Стараюсь сделать так, чтобы всё было максимально применимо к реальности – для базы знаний / саппорта / FAQ

🎞 Видео
📖 Методичка в Notion
👩‍💻 Код с урока
❤️ Оплатить USDT по QR-коду

В следующем уроке – LangSmith (визуальный дебаг) + подготовка к AI агенту

SemolinaCode | Chat | YouTube | HowToCode