NirDiamant GitHub avatar

RAG_Techniques

Jupyter Notebook
RAG 技术教程集NirDiamant最近推送 2026年11月2日
RAG 与知识库NOASSERTION30.4k3,7167 issues7 天 +114

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

42+ 个可运行 Notebook,系统讲解 RAG 各类技术。

这是一个社区驱动的 RAG 教程仓库,用 42 个以上可运行的 Jupyter Notebook 覆盖从基础到前沿的检索增强生成技术。每个 Notebook 都包含原理直觉、代码实现和参考链接,帮助开发者构建更准确、上下文更丰富的检索系统。

推荐指数

5.0

学 RAG 最系统的开源 Notebook 合集,值得收藏跟练。

近 7 天

+114

新增 Star

总 Star 排名

#226

雷达追踪的 3,958 个 AI 仓库中

创建于

2024

2024年7月14日

核心亮点

  • 1覆盖全面

    从基础检索到 Agentic RAG 等前沿方法均有对应 Notebook。

  • 2可直接运行

    每个技术配独立 Notebook,边看边跑,便于理解实现细节。

  • 3框架对照

    涉及 LangChain、LlamaIndex 等常见框架与向量库用法。

  • 4社区活跃

    3 万+ Star、持续更新,并开放 PR 贡献。

  • 5配套读物

    作者另出有 RAG 相关书籍作为延伸学习材料。

适用场景

  • 系统学习 RAG

    例如:按目录从基础检索开始,逐个跑通 Notebook 建立完整认知。

  • 方案选型参考

    例如:对比不同分块、重排、多路召回策略的代码实现再决定用哪种。

  • 教学与分享

    例如:拿某个 Notebook 作为内部分享或课程演示材料。

它是怎么工作的

  1. 第 1 步

    按主题索引

    README 按技术类别列出各 Notebook 及说明。

  2. 第 2 步

    打开 Notebook

    在 Jupyter 环境中加载对应教程文件。

  3. 第 3 步

    配置依赖与密钥

    安装所需库并填入模型或向量库的访问凭证。

  4. 第 4 步

    运行并观察

    逐步执行单元格,查看检索与生成的实际输出。

  5. 第 5 步

    改造复用

    把代码片段迁移到自己的 RAG 项目中。

快速上手

  1. 1

    克隆仓库

    把教程仓库拉到本地。

    git clone https://github.com/NirDiamant/RAG_Techniques.git
  2. 2

    安装依赖

    按 Notebook 内说明安装所需 Python 包。

  3. 3

    配置密钥

    设置 OpenAI 等模型服务的 API Key。

  4. 4

    运行 Notebook

    启动 Jupyter 并打开感兴趣的教程。

    jupyter notebook

适合谁

  • 正在学习 RAG 的开发者
  • 需要对比实现方案的工程师
  • 做 AI 教学或分享的人

不太适合

  • 想要开箱即用生产库的人
  • 不熟悉 Python 与 Notebook 的初学者

成熟度

  • 活跃度Star 超 3 万,最近仍有推送更新。
  • 文档每个 Notebook 自带讲解,但整体文档依赖 README 索引。
  • 社区开放 PR,设有 Discord、Reddit 等社区渠道。
  • 上手难度需自行配置环境与 API Key,按 Notebook 逐个运行。

同类项目怎么选

  • LangChain是可直接用于生产的框架库,本仓库是教学型 Notebook 合集。
  • LlamaIndex提供完整 RAG 框架与工具链,本仓库侧重演示多种技术思路。

使用前注意

  • · 许可证标记为 NOASSERTION,商用前需确认授权。
  • · 多数示例依赖外部模型 API,会产生调用费用。
  • · README 含作者书籍与赞助商推广内容,注意区分。
  • · Notebook 为教学演示,直接用于生产需自行工程化。

主题标签

ragtutorialslangchainllama-indexllmspythonaillmembeddingsnlpopenairetrieval-augmented-generationvector-databaseagentic-raggenerative-aigptmachine-learningsemantic-search