GitHub 热门项目：bRAG-langchain

GitHub 项目：bRAG-langchain 仓库地址：https://github.com/bragai/bRAG-langchain 星级：4107 | 作者：布拉盖 项目描述：构建您自己的 RAG 应用程序所需了解的一切 =================================================== 自述文件内容： # 检索增强生成 (RAG) 项目 #### ? 查看 [bragai.dev](https://bragai.dev)（即将推出） -------------------- 该存储库包含对各种应用程序的检索增强生成（RAG）的全面探索。 每个笔记本都提供了详细的实践指南，用于设置和试验 RAG，从入门级到高级实现，包括多重查询和自定义 RAG 构建。  ## 项目结构 如果您想直接跳入其中，请查看文件“full_basic_rag.ipynb” -> 该文件将为您提供完全可定制的 RAG 聊天机器人的样板起始代码。 确保在虚拟环境中运行您的文件（查看“入门”部分） 以下笔记本可以在目录“notebooks/”下找到。 ### [1]\_rag_setup_overview.ipynb 本介绍性笔记本概述了 RAG 架构及其基本设置。 笔记本走过： - **环境设置**：配置环境、安装必要的库和 API 设置。 - **初始数据加载**：基本文档加载器和数据预处理方法。 - **嵌入生成**：使用各种模型生成嵌入，包括 OpenAI 的嵌入。 - **矢量存储**：设置矢量存储（ChromaDB/Pinecone）以进行高效的相似性搜索。 - **基本 RAG 管道**：创建一个简单的检索和生成管道作为基线。 ### [2]\_rag_with_multi_query.ipynb 本笔记本以基础知识为基础，介绍了 RAG 管道中的多重查询技术，并探索： - **多查询设置**：配置多个查询以使检索多样化。 - **高级嵌入技术**：利用多个嵌入模型来完善检索。 - **具有多重查询的管道**：实现多重查询处理以提高响应生成的相关性。 - **比较与分析**：将结果与单查询管道进行比较并分析性能改进。 ### [3]_rag_routing_and_query_construction.ipynb 本笔记本深入研究了定制 RAG 管道。 它涵盖： - **逻辑路由：** 实现基于功能的路由，用于根据编程语言将用户查询分类到适当的数据源。 - **语义路由：** 使用嵌入和余弦相似性将问题引导至数学或物理提示，从而优化响应准确性。 - **元数据过滤器的查询结构：** 定义 YouTube 教程元数据的结构化搜索架构，启用高级过滤（例如，按观看次数、发布日期）。 - **结构化搜索提示：** 利用 LLM 提示生成数据库查询，以根据用户输入检索相关内容。 - **与向量存储集成：** 将结构化查询链接到向量存储以实现高效的数据检索。 ### [4]_rag_indexing_and_advanced_retrieval.ipynb 延续之前的定制，