kotaemon 一個基於 RAG 的開源工具

GitHub – Cinnamon/kotaemon: An open-source RAG-based tool for chatting with your documents.

An open-source RAG-based tool for chatting with your documents. – Cinnamon/kotaemon

---

RagFlow：終極 RAG 引擎 – 語意搜尋、嵌入、向量搜尋 + 支援圖形！

RagFlow: Ultimate RAG Engine - Semantic Search, Embeddings, Vector Search + Supports Graph!

---

GraphRAG – Llama 3.1 和 Neo4j

本影片介紹如何使用開源模型執行 GraphRAG – Llama 3.1 和 Neo4j 作為圖形資料庫

Local GraphRAG with LLaMa 3.1 - LangChain, Ollama & Neo4j

---

嵌入(Embedding)對於 RAG 的重要

嵌入(Embedding)對於 RAG 系統至關重要，但經常被忽略。本視頻介紹了成本、儲存注意事項以及使用降維和量化等技術降低儲存需求的方法。了解這些方法如何在不影響效能的情況下提高速度並節省成本。

The Hidden Cost of Embeddings in RAG and how to Fix it

---

給 AI “記憶” – RAG 基礎(英)

Intro to RAG for AI (Retrieval Augmented Generation)

---

LlamaIndex：用 Colab 建立向量資料庫 (RAG)

(英)官方教學 Building RAG from Scratch (Open-source only!)

本教程展示如何建立向量資料庫，建立檢索管道。值得注意的是，這是個完全開源的方案

---

Llama3 RAG on Google Colab(附源碼)

(英)Llama3 RAG on Google Colab

使用 Llama 3、LangChain、ChromaDB 和 Gradio 建立一個檢索增強生成 (RAG) 系統。

---

RAGMeUp 資料集上進行 RAG

(英)在任何資料集上應用 LLM 功能的通用rag框架

可以在 CPU 上運行，但在使用預設指令模型時最好在任何具有至少 16GB vRAM 的 GPU 上運行

---

RAG 如何建立自訂的大型語言模型：綜合指南

(英)How RAG helps Transformers to build customizable Large Language Models: A Comprehensive Guide

自然語言處理 (NLP) 在過去幾年中取得了革命性的進步，這主要是由 Transformer 等複雜語言模型的開發所推動的。在這些進步中，檢索增強生成（RAG）作為一項尖端技術脫穎而出，它顯著增強了語言模型的能力。 RAG 將檢索機制與生成模型結合，創建可自訂、高效且準確的語言模型。讓我們研究一下 RAG 如何幫助 Transformer 建立可自訂的 LLM 及其底層機制、優勢和應用程式。了解 Transformer 及其限制 Transformer 憑藉其處理和生成類人文本的能力徹底改變了 NLP。 Transformer 架構採用自註意力機制

---

RAGapp – 整合 Agentic RAG 的最簡單方法

(英)GitHub – The easiest way to use Agentic RAG in any enterprise

The easiest way to use Agentic RAG in any enterprise – ragapp/ragapp

---