rag-in-action
End-to-end RAG system design, evaluation, and optimization. 極客時間RAG訓練營，RAG 10大組件全面拆解，4個實作項目吃透 RAG 全流程。RAG的落地，往往是面向業務做RAG
rag-in-action 是什麼？
End-to-end RAG system design, evaluation, and optimization. 極客時間RAG訓練營，RAG 10大組件全面拆解，4個實作項目吃透 RAG 全流程。RAG的落地，往往是面向業務做RAG，而不是反過來面向RAG做業務。這就是為什麼我們需要針對不同場景、不同問題做針對性的調整、優化和客製化。魔鬼全在細節中，我們深入進去探究。
rag-in-action 概覽
這是什麼
此倉庫是一個基於 DeepSeek 的 RAG（檢索增強生成）系統實戰課程的程式碼倉庫，實現了完整的檢索增強生成系統。專案採用模組化設計，涵蓋 RAG 的 10 大組件：資料導入、文本切塊、向量嵌入、向量儲存、檢索前處理、索引優化、檢索後處理、響應生成、系統評估以及高級 RAG 技術。課程由極客時間提供，並已出版配套書籍《RAG實戰課》。
主要功能
- 模組化設計，10 個獨立模組涵蓋完整 RAG 流程 - 支援 LangChain 與 LlamaIndex 兩種框架 - 支援 GPU（NVIDIA, CUDA）與 CPU 環境 - 包含簡單 RAG、高級 RAG（Graph RAG, Multi-Agent）以及使用 RAGAS 和 TruLens 的評估 - 提供 Ubuntu、MacOS、Windows 的環境配置檔案
使用情境
- 學習與實踐 RAG 系統設計與優化 - 為商業場景建構可上線的 RAG 應用 - 實驗不同的檢索、索引與生成策略 - 評估與改善 RAG 系統效能
快速開始
bash # 建立虛擬環境 (Ubuntu GPU + LangChain) python -m venv venv-rag-langchain source venv-rag-langchain/bin/activate # 或使用 conda conda create -n venv-rag-langchain python=3.10.12 conda activate venv-rag-langchain # 安裝依賴 pip install -r 91-環境-Environment/requirements_langchain_20250413_Ubuntu-with-GPU.txt
授權與價格
本專案採用 MIT 授權條款開源。課程由極客時間提供，其價格未在此儲存庫中說明。
內容整理自該專案公開的 README 與儲存庫資訊。
