三步搭起本地知识库问答，让Llama3学会翻书再回答
这是一个基于Llama3、Langchain和ChromaDB构建的检索增强生成（RAG）示例项目，主要用Jupyter Notebook实现。它解决的核心问题是：如何让大语言模型在回答时能引用外部私有知识库，避免幻觉，提升回答的准确性和相关性。项目展示了从文档加载、文本分割、向量化存储到检索问答的完整RAG流程，利用ChromaDB作为向量数据库存储文档嵌入，通过Langchain编排检索与生成逻辑，最终使用Llama3模型生成答案。适合初学者快速理解RAG技术栈的搭建与运行，也方便开发者在此基础上扩展自己的知识库应用。
langchain-chroma-rag、LlamaIndex RAG Starter、RAGFlow
RAG-using-Llama3-Langchain-and-ChromaDB 是搜索知识领域的开源项目，由 GURPREETKAURJETHRA 开发，2024 年首次发布。
它收录于搜索知识分类，该分类目前共有 581 个项目，GitHub 星标数为 134。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-24。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：个人学习RAG技术原理与实现。同类可对比的替代方案包括 langchain-chroma-rag、LlamaIndex RAG Starter、RAGFlow。
上一篇：ragrabbit
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···
