rag-demystified

从零手写 RAG 管道，搞懂每个细节，快速搭建自己的检索生成系统。

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 56 🐛 待处理 2 👀 关注 4

GitHub ↗

GitHub 星标 ★ 855

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，可自由使用和部署，无付费版本。

项目预览

rag-demystified 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队pchunduri6

GitHubhttps://github.com/pchunduri6/rag-demystified

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，可自由使用和部署，无付费版本。

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Apache-2.0

主要语言Python

技术栈/模型ai,chatgpt,gpt,llm,question-answering,rag,retrieval-augmented-generation,vector-database

GitHub 星标★ 855

上线时间2023-10-18 00:00:00

代码更新2024-01-26

仓库体积5.7 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数1

项目介绍

rag-demystified 是一个从零开始构建的、由 LLM 驱动的进阶 RAG（检索增强生成）管道开源项目。它旨在揭开 RAG 技术的神秘面纱，通过清晰、模块化的代码实现，帮助开发者深入理解 RAG 的每个环节。项目解决了初学者面对复杂 RAG 框架时难以掌握核心原理的问题，提供了包括文档加载、分块、向量化、检索、重排序、生成等完整流程的可运行实现。其核心能力在于教学与实验：代码结构高度可读，每个组件都可独立替换和调试，并集成了多种先进的检索策略（如混合检索、重排序）和提示词工程，让用户能直观地看到不同模块对最终生成效果的影响。项目适合作为学习 RAG 的实战教材，也方便研究者快速验证新想法。

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 ★ 855

技术标签

ai chatgpt gpt llm question-answering

使用教程

难度：进阶约 25 分钟部署方式：本地安装 4 步

环境要求

Python 3.9+
OpenAI Key

安装与启动步骤

1装依赖

RAG 拆解教程，代码是一个个独立脚本。

git clone https://github.com/pchunduri6/rag-demystified.git
cd rag-demystified && pip install -r requirements.txt

2配密钥

OpenAI Key 写环境变量。
```
export OPENAI_API_KEY=sk-xxx
```
3跑基础问答

先跑单跳问答，理解检索到生成的链路。
```
python complex_qa.py
```
4试复杂问答

再跑多跳版本，看查询改写怎么起作用。
```
python complex_qa_v2.py 2>/dev/null || ls *.py
```