RAG Techniques

活跃
GitHub Jupyter Notebook NOASSERTION

简介

NirDiamant 的 RAG_Techniques 仓库系统收录并演示了当下主流的检索增强生成（RAG）进阶技术与工程实践。

核心特性

  • 系统化分类 — 把 RAG 技术按简单 / 高级 / 模块化等维度组织，便于按需学习
  • 可运行 Notebook — 每个技术都附 Jupyter Notebook 与最小可运行代码
  • 评测与对比 — 同时提供检索质量、答案质量的评测脚本与可视化
  • 多后端支持 — 涵盖 LangChain、LlamaIndex、Haystack 等多框架实现
  • 持续更新 — 紧跟学术与工业界最新进展，定期纳入新方法
  • 教学友好 — 配套文章、教程与 Amazon 配套书籍，便于系统学习

适用场景

💡 系统性学习 RAG 全流程的进阶技术与工程实践
💡 在团队内做 RAG 技术选型与方案对比评测
💡 把 Notebooks 中的代码片段直接复制到生产项目
💡 用作企业内部 RAG 培训课程的教材
💡 跟踪最新 RAG 研究与开源实现的桥梁

标签

rag retrieval techniques llm tutorial

分类

📚 RAG 工具

快速开始

# 克隆仓库
git clone https://github.com/NirDiamant/RAG_Techniques.git
cd RAG_Techniques

# 创建虚拟环境
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

# 启动 Jupyter
jupyter notebook

# 在 all_rag_techniques/ 目录下选择感兴趣的技术 Notebook 即可运行
访问 GitHub 访问官网 查看文档

相关项目