bRAG-langchain
建立你自己的 RAG 應用所需知道的一切
bRAG-langchain 是什麼?
建立你自己的 RAG 應用所需知道的一切。注意:此摘要與標語相同。
bRAG-langchain 概覽
這是什麼
bRAG-langchain 是一個提供檢索增強生成(RAG)全面探索的儲存庫,包含一系列 Jupyter Notebook,從入門到進階實作,涵蓋多重查詢、路由、索引與重新排序。專案中還包含一個可自訂的 RAG 聊天機器人樣板程式碼(full_basic_rag.ipynb)。
主要功能
- 五個 Notebook:RAG 設定、多重查詢、路由與查詢建構、索引與進階檢索、檢索與重新排序。
- 逐步指南:環境設定、資料載入、嵌入生成、向量資料庫(ChromaDB/Pinecone)設定、基本 RAG 管線。
- 多重查詢技術以多樣化檢索並提升相關性。
- 邏輯與語意路由,將查詢導向適當的資料來源。
- 進階索引方法:多重表示索引、RAPTOR、ColBERT 整合。
- 重新排序方法:互惠排名融合(RRF)、Cohere 重新排序,以及 CRAG 與 Self-RAG 探索。
使用情境
- 學習 RAG 架構基礎並建立基本 RAG 管線。
- 實驗多重查詢檢索以提升回應品質。
- 為特定領域或多來源應用實作查詢路由。
- 對大型或複雜文件集合應用進階索引與檢索策略。
- 透過重新排序與融合技術最佳化檢索結果。
快速開始
先決條件:Python 3.11.11。 複製儲存庫並建立虛擬環境: bash git clone https://github.com/bRAGAI/bRAG-langchain.git cd bRAG-langchain python3.11 -m venv venv source venv/bin/activate # Windows: venv/Scripts/activate pip install -r requirements.txt 安裝相依套件後,將 .env.example 複製為 .env 並填入 API 金鑰(OpenAI、LangSmith、Pinecone)。然後依序執行 Notebook,從 [1]_rag_setup_overview.ipynb 開始。
授權與價格
授權未明確說明(SPDX 標識:NOASSERTION)。此專案標示為開放原始碼且免費使用。
內容整理自該專案公開的 README 與儲存庫資訊。