@tom_doerr: 构建RAG系统的分步指南笔记本 https://github.com/langchain-ai/rag-from-scratch…
摘要
一个从头构建RAG系统的分步笔记本系列，涵盖索引、检索和生成，并附有视频播放列表。
查看缓存全文
缓存时间: 2026/06/15 11:03
langchain-ai/rag-from-scratch
来源：https://github.com/langchain-ai/rag-from-scratch
RAG 从零开始
LLM 在庞大但固定的语料库上训练，限制了其推理私有或最新信息的能力。微调是缓解这一问题的一种方法，但它通常不适用于事实召回（https://www.anyscale.com/blog/fine-tuning-is-for-form-not-facts），且成本较高（https://www.glean.com/blog/how-to-build-an-ai-assistant-for-the-enterprise）。 检索增强生成（RAG）已成为一种流行且强大的机制，用于扩展 LLM 的知识库——通过从外部数据源检索文档，借助上下文学习来为 LLM 生成提供依据。 这些笔记本与视频播放列表（https://youtube.com/playlist?list=PLfaIDFEXuae2LXbO1_PKyVJiQ23ZztA0x&feature=shared）配套使用，从索引、检索和生成的基础知识开始，逐步建立对 RAG 的深入理解。 rag_detail_v2
视频播放列表（https://www.youtube.com/playlist?list=PLfaIDFEXuae2LXbO1_PKyVJiQ23ZztA0x）
相似文章
@tom_doerr: 构建生产级RAG系统与Agentic工作流 https://github.com/jamwithai/production-agentic-rag-course…
一个面向学习者的项目，教授构建生产级RAG系统和Agentic工作流，涵盖关键词搜索、混合检索和LangGraph代理集成。
@_rohit_tiwari_: 我浪费了几个月试图理解RAG。所以我制作了这个清晰的逐步指南。https://drive.google.com/file/d/1…
一份清晰的逐步指南，帮助理解检索增强生成（RAG），涵盖解释、视觉内容以及各种架构，如Naïve RAG、Advanced RAG、Graph RAG、Multimodal RAG和Agentic RAG。
@DanKornas: RAG播放列表 你将学到的内容: - 检索增强生成 - LangChain中的文档加载器 - LangChain中的文本分割器 …
推文宣布了一个RAG播放列表，涵盖从基础RAG到高级技术（如使用LangChain和LangGraph的CRAG和Self-RAG）的主题，评论区附有链接。
通过实际代码了解 RAG 的一切
作者宣布为开源 RAG 框架 RAG Me Up 提供以教育为先的文档，通过代码和可运行示例解释 RAG 概念。
jamwithai/production-agentic-rag-course
一个以学习者为中心的实践课程，教授从零开始构建生产级RAG系统，涵盖关键词搜索、混合检索、基于LangGraph的智能体RAG以及Telegram机器人集成。