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
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
第 1 步
按主题索引
README 按技术类别列出各 Notebook 及说明。
第 2 步
打开 Notebook
在 Jupyter 环境中加载对应教程文件。
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。
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。
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
克隆仓库
把教程仓库拉到本地。
git clone https://github.com/NirDiamant/RAG_Techniques.git - 2
安装依赖
按 Notebook 内说明安装所需 Python 包。
- 3
配置密钥
设置 OpenAI 等模型服务的 API Key。
- 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。
