A-Guide-to-Retrieval-Augmented-LLM

从零看懂RAG,快速上手检索增强大模型

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 25 👀 关注 1
GitHub ↗
GitHub 星标 ★ 308
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,无在线服务,需自行部署,完全免费。

项目预览

A-Guide-to-Retrieval-Augmented-LLM 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Wang-Shuo
定价模式🏷️完全免费
价格说明开源项目,无在线服务,需自行部署,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
技术栈/模型large-language-models,llm,rag,retrieval-augmented,retrieval-augmented-generation
GitHub 星标★ 308
上线时间2023-09-06 00:00:00
代码更新2023-09-09
仓库体积11.8 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数1

项目介绍

这是一个关于检索增强大语言模型(RAG)的入门指南项目,旨在帮助开发者理解并快速上手RAG技术。RAG通过将外部知识库与LLM结合,解决模型知识陈旧、幻觉等问题。项目内容涵盖RAG的基本概念、核心流程(如文档索引、检索、生成)、常见技术方案(如向量数据库、重排序)以及实践案例。它适合初学者从零了解RAG,也适合开发者作为技术选型的参考。项目以教程和文档为主,结构清晰,配有代码示例,但内容深度有限,更偏向科普和入门引导。

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 ★ 308

核心亮点

  • 内容系统,覆盖RAG全流程,从概念到实践
  • 配有代码示例,便于动手实践
  • 适合入门,降低学习门槛

不足之处

  • 内容深度有限,缺乏高级调优技巧
  • 文档/社区待观察

适用场景

  • 初学者学习RAG技术原理
  • 开发者快速了解RAG技术选型
  • 企业内部培训RAG基础

替代项目

langchain、llama_index、awesome-rag

上一篇:rag-experiment-accelerator

下一篇:llm-reader

同类项目推荐

Qmedia 开源

本地部署多模态搜索,让素材秒变答案

An open-source AI content search engine designed specifically for content creators. ···

★ 639 2026-08-09
chatPDF 开源

上传 PDF,直接提问,AI 秒回答案

Load a PDF file and ask questions via llama_index and GPT

★ 101 2026-08-09
deep-research-web-ui 开源

输入一个主题,自动搜索+阅读+迭代,直接产出研究报告

AI deep-research agent that turns any question into a cited report: plans searches, ···

★ 2226 2026-09-15
Vera 开源

离线代码搜索,关键词+语义+重排,直接给文件行号和符号

Local code search combining BM25, vector similarity, and cross-encoder reranking. Pa···

★ 124 2026-09-12
OpenDocuments 开源

连接多源文档,自托管 AI 问答,答案带引用。

Self-hosted RAG platform for AI document search across GitHub, Notion, Google Drive,···

★ 123 2026-08-09
nextjs-openai-doc-search 开源

用自然语言提问,秒级获取带引用的文档答案

Template for building your own custom ChatGPT style doc search powered by Next.js, O···

★ 1727 2026-08-09
TreeSearch 开源

像人一样搜代码,无需向量化,毫秒出结果

TreeSearch: Search your codebase like a human — not like a vector database. No embe···

★ 213 2026-08-09
verbatim-rag 开源

让AI回答自带原文出处,告别幻觉,每句话都有据可查

Provenance-first extractive RAG: return verbatim source spans with citations using l···

★ 208 2026-08-09