#133 · 主分类：教育与研究

all-in-rag

ai deepseek embedding kimi-k2 langchain llama-index llm milvus multimodal neo4j python rag

🔍大模型应用开发实战一：RAG 技术全栈指南，在线阅读地址：https://datawhalechina.github.io/all-in-rag/

项目最后更新：07/29/26

在 GitHub 查看访问官网

GitHub Stars

10.7K

Forks数量

5.3K

贡献者数量

许可证

Other

收录理由

这份来自 Datawhale 社区的 RAG 学习指南，在开源资源里属于相当能打的那一类。它不是把资料堆给你就完事，而是按真实课程的节奏铺开：先讲清楚嵌入和检索的原理，接着带你在 LangChain 或 LlamaIndex 里动手搭一个能跑的 RAG 应用，再往后才轮到 Milvus 这类向量库和 Neo4j 图数据库怎么融入整体方案。项目自带可执行的示例，线上还有免费托管的阅读版本，所以新手可以把它当系统入门课，有经验的工程师也能靠它快速把整条链路在脑子里过一遍。写得很适合边开编辑器边读，建议跟着敲代码，别只是翻翻。

暂无针对该项目的文章。

如需补充新闻资讯、使用教程、应用测评等内容，欢迎联系我们推荐选题或投稿。

all-in-rag

收录理由

相关文章

同类热门项目

all-in-rag

收录理由

相关文章

同类热门项目

订阅更新