Den 1 — Architektura RAG a příprava dat
Téma dne
Pochopení architektury
moderního systému RAG a návrh ingestion pipeline.
Learning outcomes
Účastník bude umět:
• vysvětlit komponenty
architektury RAG
• identifikovat vhodné use cases
• připravit
dokumentové zdroje
• navrhnout chunking
strategii
• implementovat základní ingestion pipeline
Agenda
1. Úvod do GenAI a RAG
• Limity čistého
LLM
• Halucinace
• Kontextové okno
• Proč RAG
funguje
• Typy systémů RAG:
o Naive RAG
o Hybrid RAG
o Agentic
RAG
o Graph RAG
2. Architektura produkčního systému RAG
• Data
ingestion
• Parsing
• Chunking
• Embeddings
• Vector
database
• Retriever
• Reranker
• Prompt
orchestration
• LLM serving
• Monitoring
3. Příprava dat
• PDF parsing
• HTML a Confluence
ingestion
• OCR pipeline
• Metadata
enrichment
• Deduplication
• Verzování dokumentů
4. Chunking strategie
• Fixed-size chunking
• Semantic
chunking
• Recursive chunking
• Parent-child documents
5. Praktický workshop
Implementace:
• document
loader
• chunking pipeline
• embedding
generation
Technologie:
• Python
• LangChain /
LlamaIndex
• OpenAI embeddings /
BGE
• Unstructured.io
Praktické zadání
Připravit ingestion
pipeline pro interní knowledge base.
Den 2 — Embeddings, retrieval a vector databáze
Téma dne
Jak
funguje retrieval vrstva a jak optimalizovat kvalitu vyhledávání.
Learning outcomes
Účastník bude umět:
• vybrat embedding
model
• pracovat s vector DB
• implementovat hybrid
search
• optimalizovat kvalitu retrieval
Agenda
1. Embeddings deep dive
• Dense
embeddings
• Sparse embeddings
• Multilingual
embeddings
• Domain adaptation
2. Vector
databáze
Porovnání:
• Pinecone
• Weaviate
• Qdrant
• Milvus
• PostgreSQL
+ pgvector
3. Retrieval strategie
• Similarity search
• MMR
retrieval
• BM25
• Hybrid retrieval
• Multi-query
retrieval
• Self-query retrieval
4. Reranking
• Cross-encoders
• Cohere
rerank
• BGE reranker
• Context compression
5. Praktický workshop
Implementace:
• vector
DB
• semantic search
• hybrid retrieval
• reranking
pipeline
Praktické zadání
Optimalizovat retrieval precision pro firemní
dokumentaci.
Den 3 — Prompt orchestration a generování odpovědí
Téma dne
Jak
správně skládat pipeline retrieval + prompt + generation.
Learning outcomes
Účastník bude umět:
• navrhnout robustní
prompt pipeline
• implementovat citation-aware
odpovědi
• minimalizovat hallucinations
• implementovat
guardrails
Agenda
1. Prompt engineering pro RAG
• System
prompts
• Context injection
• Few-shot
prompting
• Citation prompting
2. Kontextové strategie
• Sliding window
• Context
compression
• Retrieval filtering
• Conversational memory
3. Guardrails a bezpečnost
• Prompt injection
• Jailbreak
protection
• Sensitive data filtering
• PII masking
4. Agentic workflows
• Tool calling
• Multi-step
retrieval
• Query planning
• Reflection loops
5. Praktický workshop
Implementace:
• conversational RAG
chatbot
• citations
• anti-hallucination
mechanismů
• guardrails
Technologie:
• LangGraph
• Guardrails
AI
• OpenAI / Anthropic APIs
Praktické zadání
Vytvořit enterprise
chatbot s citacemi zdrojů.
Den 4 — Evaluace, observability a kvalita
Téma dne
Jak měřit
kvalitu systému RAG a monitorovat produkci.
Learning outcomes
Účastník bude umět:
• evaluovat
retrieval
• měřit hallucinations
• implementovat
tracing
• monitorovat produkční systém
Agenda
1. Evaluace RAG
• Retrieval
metrics
• Precision@K
• Recall@K
• Groundedness
• Faithfulness
2. LLM-as-a-judge
• Automatická evaluace
• Human feedback
loops
• Golden datasets
3. Observability
Nástroje:
• LangSmith
• Weights &
Biases
• Arize AI
• OpenTelemetry
4. Cost optimization
• Token
optimization
• Caching
• Smart retrieval
• Model
routing
5. Praktický workshop
Implementace:
• evaluation
pipeline
• tracing
• dashboards
• hallucination
detection
Praktické zadání
Vyhodnotit kvalitu systému RAG na test
datasetech.
Den 5 — Deployment a produkční provoz
Téma dne
Nasazení
enterprise-grade systému RAG do produkce.
Learning outcomes
Účastník bude umět:
• nasadit RAG do
cloudu
• škálovat inference
• zabezpečit produkční
systém
• připravit CI/CD pipeline
Agenda
1. Produkční architektura
• API gateway
• Async
processing
• Queue systems
• Microservices vs monolith
2. Deployment
strategie
• Docker
• Kubernetes
• Serverless
• GPU
inference
3. Security a governance
• IAM
• Secrets
management
• Audit logging
• Compliance (GDPR)
4. CI/CD pro systémy AI
• Model versioning
• Prompt
versioning
• Automated evaluation
• Canary releases
5. Závěrečný workshop
Nasazení kompletního řešení
RAG:
• ingestion
• retrieval
• orchestration
• monitoring
• deployment
Technologie používané v rámci kurzu:
• Python
• FastAPI
• LangChain
• LlamaIndex
• LangGraph
• Docker
• Kubernetes
• PostgreSQL
+ pgvector
• Qdrant
• OpenAI / Anthropic APIs
