29.9K ·GitHub
这是什么？
一个由社区维护的高级 RAG(检索增强生成)技术合集——让大语言模型的回答基于检索到的文档，所有技术都被提炼成可以直接运行的 notebook 教程。
一个由社区维护的高级 RAG(检索增强生成)技术合集——让大语言模型的回答基于检索到的文档，所有技术都被提炼成可以直接运行的 notebook 教程。这是一个可以安装的库，还是一套教程？是一套教程，不是软件包:42 个以上各自独立的 Jupyter notebook,每个都讲解一种 RAG 技术，包含原理讲解、代码和参考资料。
是一套教程，不是软件包:42 个以上各自独立的 Jupyter notebook,每个都讲解一种 RAG 技术，包含原理讲解、代码和参考资料。我怎么学习其中一种技术？克隆这个仓库，在 Jupyter 中打开对应技术的笔记本，从头到尾运行一遍——每个 notebook 都是一节独立的课，你可以把它改成适配自己的技术栈。
克隆这个仓库，在 Jupyter 中打开对应技术的笔记本，从头到尾运行一遍——每个 notebook 都是一节独立的课，你可以把它改成适配自己的技术栈。运行这些 notebook 需要安装和配置什么？需要 Python 和 Jupyter。按照仓库的标签，这些 notebook 基于 LangChain 和 LlamaIndex 构建，并使用 OpenAI 的 GPT 模型，所以其中大部分都需要准备一个 OpenAI API 密钥。
需要 Python 和 Jupyter。按照仓库的标签，这些 notebook 基于 LangChain 和 LlamaIndex 构建，并使用 OpenAI 的 GPT 模型，所以其中大部分都需要准备一个 OpenAI API 密钥。开始之前有什么要注意的坑吗？它教的是技术方法，而不是提供一个可用于生产的库——你需要把代码移植到自己的系统里。另外，notebook 会调用托管的 LLM API,所以全部跑一遍会消耗 API 额度。
它教的是技术方法，而不是提供一个可用于生产的库——你需要把代码移植到自己的系统里。另外，notebook 会调用托管的 LLM API,所以全部跑一遍会消耗 API 额度。RAG 新手能有收获吗，还是只适合已经在搭建系统的人？都适合：内容从最基础的知识一直讲到最前沿，而且是为推动 RAG 能力边界的研究者和实践者编写的。
都适合：内容从最基础的知识一直讲到最前沿，而且是为推动 RAG 能力边界的研究者和实践者编写的。普通笔记本电脑能跑吗，还是需要特殊硬件？任何装了 Python 和 Jupyter 的机器都可以——Windows、macOS 或 Linux 都行；LLM 相关的计算通过云端 API 完成，不依赖你自己的硬件。
任何装了 Python 和 Jupyter 的机器都可以——Windows、macOS 或 Linux 都行；LLM 相关的计算通过云端 API 完成，不依赖你自己的硬件。这个合集涵盖哪些类型的技术？从基础 RAG、块大小优化和命题分块,到查询变换、HyDE(假设性文档嵌入)和智能体 RAG,应有尽有,还包括 MemoRAG 和端到端 RAG 评估等较新的内容。
从基础 RAG、块大小优化和命题分块,到查询变换、HyDE(假设性文档嵌入)和智能体 RAG,应有尽有,还包括 MemoRAG 和端到端 RAG 评估等较新的内容。新手应该从哪里入手？从 Foundational(基础)部分开始：先学 Basic RAG,然后依次是 RAG with CSV Files、Reliable RAG、Optimizing Chunk Sizes 和 Proposition Chunking,之后再学习 HyDE 等查询增强技术。
从 Foundational(基础)部分开始：先学 Basic RAG,然后依次是 RAG with CSV Files、Reliable RAG、Optimizing Chunk Sizes 和 Proposition Chunking,之后再学习 HyDE 等查询增强技术。这个合集还在更新吗，还是已经过时了？依然活跃并持续增长:README 列出了近期新增的内容(MemoRAG、End-to-End RAG Evaluation、Open-RAG-Eval、JSON RAG),统计有 42 个 notebook,并承诺定期更新。该仓库未被归档，大约有 29.8k 颗星。
依然活跃并持续增长:README 列出了近期新增的内容(MemoRAG、End-to-End RAG Evaluation、Open-RAG-Eval、JSON RAG),统计有 42 个 notebook,并承诺定期更新。该仓库未被归档，大约有 29.8k 颗星。这里所有内容都免费吗？notebook 是免费的。作者对配套内容收费——一个 20 个模块的 Prompt to Production 课程和 400 页的书 RAG Made Simple——两者都在 README 中有链接。
notebook 是免费的。作者对配套内容收费——一个 20 个模块的 Prompt to Production 课程和 400 页的书 RAG Made Simple——两者都在 README 中有链接。What are similar projects?agentic-rag-for-dummies, generative-ai-for-beginners, llm-universe, llm-cookbook, LEANN, GenAI_Agents, Hands-On-Large-Language-Models, all-in-rag
agentic-rag-for-dummies, generative-ai-for-beginners, llm-universe, llm-cookbook, LEANN, GenAI_Agents, Hands-On-Large-Language-Models, all-in-ragWhich topics is it in?llama-index, agentic-rag, tutorials, retrieval-augmented-generation, llms, langchain, vector-database, semantic-search, embeddings, gpt, course, evaluation
llama-index, agentic-rag, tutorials, retrieval-augmented-generation, llms, langchain, vector-database, semantic-search, embeddings, gpt, course, evaluation