RAG_Techniques

NirDiamant/RAG_Techniques: This repository showcases various advanced techniques for Retrieval-Augmented Generation (RAG) systems. RAG systems combine information retrieval with generative models to provide accurate and contextually rich responses.

加入超过 20,000 名 AI 爱好者的行列，获得独特的前沿见解和免费教程！ 此外，订阅者还可以独家抢先体验我的书和即将推出的 RAG 技术课程的 33% 特别折扣！

介绍

检索增强生成 （RAG） 正在彻底改变我们将信息检索与生成式 AI 相结合的方式。该存储库展示了一系列精选的先进技术，旨在增强您的 RAG 系统，使它们能够提供更准确、上下文相关和全面的响应。

我们的目标是为希望突破 RAG 可能性界限的研究人员和从业者提供宝贵的资源。通过营造协作环境，我们的目标是加速这个令人兴奋的领域的创新。

相关项目

🚀 使用我的 Agents Towards Production 存储库进行升级。它提供横向的、代码优先的教程，涵盖构建生产级 GenAI 代理生命周期中的每个工具和步骤，通过经过验证的模式和可重用的蓝图指导您从火花到扩展，以进行实际发布，如果您认真考虑将代理运送到生产环境，那么它是最明智的起点。

🤖 探索我的 GenAI 代理存储库 发现各种 AI 代理实现和教程，展示如何组合不同的 AI 技术来创建强大的交互式系统。

🖋️ 查看我的提示工程技术指南，全面收集从基本概念到高级技术的提示策略，增强您与人工智能语言模型有效交互的能力。

社区驱动的知识中心

这个存储库会随着您的贡献而变得更加强大！加入我们充满活力的社区——共同🤝塑造和推进该项目的中心枢纽

教育人工智能 Reddit 子版块

RAG Techniques Discord 社区

无论您是专家还是新手，您的见解都可以塑造 RAG 的未来。加入我们，提出想法、获得反馈并就创新技术进行合作。有关贡献指南，请参阅我们的 CONTRIBUTING.md 文件。让我们一起推进RAG技术！

🔗 如需讨论 GenAI、RAG 或自定义代理，或探索知识共享机会，请随时在 LinkedIn 上联系。

主要特点

• 🧠 最先进的 RAG 增强功能
• 📚 每种技术的综合文档
• 🛠️ 实际实施指南
• 🌟 定期更新最新进展

先进技术

探索我们广泛的尖端 RAG 技术列表：

#	类别	技术	视图
1	⭐ 关键协作	使用 Milvus Vector DB 绘制 RAG 图
2	基础 🌱	基本 RAG
3	基础 🌱	带有 CSV 文件的 RAG
4	基础 🌱	可靠的 RAG
5	基础 🌱	优化块大小
6	基础 🌱	命题分块
7	查询增强 🔍	查询转换
8	查询增强 🔍	HyDE（假设文档嵌入）
9	查询增强 🔍	HyPE（假设提示嵌入）
10	上下文丰富 📚	上下文块标头
11	上下文丰富 📚	相关细分提取
12	上下文丰富 📚	上下文窗口增强功能
13	上下文丰富 📚	语义分块
14	上下文丰富 📚	上下文压缩
15	上下文丰富 📚	文档扩充
16	高级检索 🚀	融合检索
17	高级检索 🚀	重新排名
18	高级检索 🚀	多方面过滤
19	高级检索 🚀	层次索引
20	高级检索 🚀	集成检索
21	高级检索 🚀	飞镖靶检索
22	高级检索 🚀	带字幕的多模态 RAG
23	迭代技术 🔁	使用反馈循环进行检索
24	迭代技术 🔁	自适应检索
25	迭代检索 🔄	迭代检索
26	评估 📊	深度评估
27	评估 📊	松鸡
28	可解释性 🔬	可解释检索
29	高级架构 🏗️	使用 LangChain 绘制 RAG 图
30	高级架构 🏗️	Microsoft GraphRAG
31	高级架构 🏗️	猛禽
32	高级架构 🏗️	自擦布
33	高级架构 🏗️	矫正性 RAG （CRAG）
34	特殊技术 🌟	精密可控剂