RAG_Techniques

一站式学透 RAG 进阶技巧，从入门到实战快速上手

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 3702 🐛 待处理 7 👀 关注 250

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 30278

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，提供RAG技术教程和代码，完全免费。

项目预览

项目数据

分类搜索知识

开发团队NirDiamant

官网地址https://diamant-ai.com

GitHubhttps://github.com/NirDiamant/RAG_Techniques

定价模式🏷️完全免费

价格说明开源项目，提供RAG技术教程和代码，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Jupyter Notebook

技术栈/模型agentic-rag,ai,embeddings,generative-ai,gpt,langchain,llama-index,llm,llms,machine-learning,nlp,openai,python,rag,retrieval-augmented-generation,semantic-search,tutorials,vector-database

GitHub 星标★ 30278

上线时间2024-07-13 00:00:00

代码更新2026-11-02

仓库体积39.1 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数2

项目介绍

RAG_Techniques 是一个专注于检索增强生成（RAG）技术的开源教程仓库，汇集了从基础到前沿的多种 RAG 实现方法。它通过一系列详细的 Jupyter Notebook 教程，系统展示了如何优化 RAG 系统的检索质量、生成效果和整体性能。项目解决了 RAG 开发中常见的检索不准确、上下文利用不充分、多轮对话能力弱等问题，提供了包括高级检索策略、重排序、查询改写、混合检索、上下文压缩、Self-RAG、CRAG 等在内的多种技术方案。每个技术点都配有可运行的代码示例和解释，帮助开发者快速理解并应用到实际项目中。该仓库已成为 RAG 领域最受欢迎的学习资源之一，适合从入门到进阶的 AI 开发者、研究者和工程师参考借鉴。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 30278

技术标签

agentic-rag ai embeddings generative-ai gpt

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：本地安装 4 步

环境要求

Git（用于克隆仓库）
Python 与 Jupyter Notebook 运行环境（README 未指定版本，建议 Python 3.9+）
能访问 GitHub 的网络

安装与启动步骤

1克隆仓库

把整个 RAG_Techniques 仓库下载到本地，README 只给出这一条克隆命令，需保证网络能访问 GitHub。
```
git clone https://github.com/NirDiamant/RAG_Techniques.git
```
2进入仓库目录

克隆完成后切换到仓库根目录，方便后续查看各技术点的 Notebook。
```
cd RAG_Techniques
```
3进入目标技术目录

进入 all_rag_techniques 下你感兴趣的子目录，technique-name 需替换为实际目录名，README 未列出全部目录名。
```
cd all_rag_techniques/technique-name
```
4按目录内指南运行

README 要求阅读每个技术目录中的详细实现指南，并按其中的说明执行对应 Notebook。