使用 Laravel 13、Gemini AI 和 pgvector 构建 RAG 聊天机器人-乐声音频-资源网

本课程教授使用 Laravel 13、Livewire v4 和 Laravel AI SDK 从零构建基于 Gemini API 和 pgvector 的全栈 RAG AI 聊天机器人，涵盖知识库管理、实时聊天界面开发及部署至 Laravel Cloud 的完整流程。该课程专注于工业级应用开发，适合希望在 Laravel 生态中集成自定义 AI 功能的开发者。

学习如何使用 Laravel 13 构建一个可用于生产环境的 AI 聊天机器人，它可以回答您上传文档中的问题。

您将学到
：⚡ 设置创建 RAG 应用的环境
⚡ 从零开始构建用于存储 PDF 文档的知识库
⚡ 构建用于与 Gemini AI 交互的聊天界面
⚡ 测试应用以确保其正常运行
⚡ 将 RAG 应用部署到 Laravel 云平台

要求
❗ 具备 Laravel 和 Livewire 的基础知识很重要

课程描述：
在本课程中，您将使用 Laravel 13、Livewire v4 和 Laravel AI SDK 从头开始构建一个功能齐全的 RAG（检索增强生成）聊天机器人，无需任何 AI 经验。

您将学习如何上传 PDF 文档、提取并分块其中的文本、使用 Google Gemini 的免费 API 生成向量嵌入，并通过 pgvector 将其存储在 PostgreSQL 中。当用户提出问题时，应用程序会搜索这些向量以找到最相关的上下文，并将其发送到 Gemini 以生成带有引用且准确的答案，同时高亮显示文档的具体引用部分。

本课程遵循开发者的工作流程，包括调试环节、代码修正，以及对选择特定工具而非其他工具的原因的坦诚解释。你不会只是简单地复制粘贴代码，而是会理解每一个决策背后的原因。

您将构建的内容
✨ 知识库管理面板（上传、索引、管理文档）

✨ 带有引用来源高亮显示的实时聊天界面

✨ 完整的 RAG 流水线：解析 → 分块 → 嵌入 → 存储 → 检索 → 答案

✨ 已部署在 Laravel 云上的实时应用程序

本课程面向希望在不依赖昂贵的黑盒服务的情况下，为 Laravel 应用添加实用 AI 功能的开发者。此外，本课程也适用于使用其他技术的开发者。

Learn to build a production-ready AI chatbot in Laravel 13 that answers questions from your own uploaded documents

What you’ll learn
⚡ Setting up the environment for creating the RAG app
⚡ Build the knowledge base from scratch that stores the pdf documents
⚡ Build a chat interface for interactivity with Gemini AI
⚡ Testing the app to ensure its working correctly
⚡ Deploy the RAG application to Laravel Cloud

Requirements
❗ Basic knowledge of Laravel and Livewire is important

Description
In this course you will build a fully working RAG (Retrieval-Augmented Generation) chatbot from scratch using Laravel 13, Livewire v4, and the Laravel AI SDK no prior AI experience required.

You will learn how to upload PDF documents, extract and chunk their text, generate vector embeddings using Google Gemini’s free API, and store them in PostgreSQL via pgvector. When a user asks a question, the app searches those vectors for the most relevant context and sends it to Gemini to generate a cited, accurate answer with source highlighting that shows exactly which part of the document was used.

The course follows a developer workflow, including debugging sessions, corrections, and honest explanations of why certain tools were chosen over others. You will not just copy code you will understand every decision made.

What you will build
✨ A Knowledge Base admin panel (upload, index, manage documents)

✨ A real-time chat interface with cited source highlighting

✨ A full RAG pipeline: parse → chunk → embed → store → retrieve → answer

✨ A deployed live application on Laravel Cloud

Who this is for: Laravel developers who want to add practical AI features to their apps without relying on expensive black-box services. Also the course will cater for other developers using other types of technologies.

本站内容均来自网络整理，仅供个人学习、研究或欣赏。严禁商业或盈利性使用。下载后请于24小时内删除。使用时请遵守当地法律，获取版权人授权并支付费用。本站仅为资源信息展示平台（资讯站），不储存资料，不提供安装/使用支持。相关支持信息不代表本站立场。赞助完全自愿，不支持退款，仅为支持本站维护提升体验。非购买资源，如需购买请通过文中信息联系原作者/公司。

THE END