All RAG Techniques - 所有检索增强生成技术的简单实现
https://github.com/fareedkhan-dev/all-rag-techniques
RAG => Retrieval-Augmented Generation，即检索增强生成，
项目目标是通过动手实践的方式，简化 RAG 技术，提供易于理解和修改的代码，帮助用户掌握 RAG 基础知识。
● 技术栈：不依赖 LangChain 或 FAISS 等框架，而是使用 openai、numpy、matplotlib 等常用 Python 库构建。
● 内容构成：包含一系列 Jupyter Notebook，每个 Notebook 专注于一种特定的 RAG 技术，提供简洁解释、从零开始的实现、代码示例、评估与比较以及可视化。
● 涵盖技术：涵盖了 20 多种 RAG 技术，包括 Simple RAG、Semantic Chunking、Query Transform、Reranker、Multimodel RAG、Fusion RAG、Graph RAG、CRAG 等。
● 核心概念：解释了嵌入（Embeddings）、向量存储（Vector Store）、余弦相似度（Cosine Similarity）、分块（Chunking）、检索（Retrieval）、生成（Generation）和评估（Evaluation）等 RAG 核心概念。
#AI #GitHub #Doc #Tool
https://github.com/fareedkhan-dev/all-rag-techniques
RAG => Retrieval-Augmented Generation，即检索增强生成，
项目目标是通过动手实践的方式，简化 RAG 技术，提供易于理解和修改的代码，帮助用户掌握 RAG 基础知识。
● 技术栈：不依赖 LangChain 或 FAISS 等框架，而是使用 openai、numpy、matplotlib 等常用 Python 库构建。
● 内容构成：包含一系列 Jupyter Notebook，每个 Notebook 专注于一种特定的 RAG 技术，提供简洁解释、从零开始的实现、代码示例、评估与比较以及可视化。
● 涵盖技术：涵盖了 20 多种 RAG 技术，包括 Simple RAG、Semantic Chunking、Query Transform、Reranker、Multimodel RAG、Fusion RAG、Graph RAG、CRAG 等。
● 核心概念：解释了嵌入（Embeddings）、向量存储（Vector Store）、余弦相似度（Cosine Similarity）、分块（Chunking）、检索（Retrieval）、生成（Generation）和评估（Evaluation）等 RAG 核心概念。
#AI #GitHub #Doc #Tool
