#retrieval-augmented-generation 仓库
共 254 个仓库
RAT 是一个强大的工具,它利用 DeepSeek 的推理能力,通过结构化的思考过程来指导其他模型,从而改进 AI 的响应。
我们收集关于“用于表格相关任务的大语言模型(LLM)”的论文,例如,使用 LLM 进行表格问答任务。 “表格+LLM”相关论文整理
此存储库为 llama_index(前身是 gpt_index)包提供了非常基础的 flask、streamlit 和 docker 示例
Phi2-Chinese-0.2B 从0开始训练自己的Phi2中文小模型,支持接入langchain加载本地知识库做检索增强生成RAG。Training your own Phi2 small chat model from scratch.
一个简单的 VoiceRAG 模式实现示例,使用 RAG、Azure AI 搜索和 Azure OpenAI 的 gpt-4o-realtime-preview 模型来驱动交互式语音生成式 AI 体验。
使用 ArXiv ChatGuru 与研究论文对话。此应用程序使用 LangChain、OpenAI、Streamlit 和 Redis 作为向量数据库/语义缓存。
用于聊天、RAG、技能、MCP 工具和智能体的 AI 桌面应用。支持多种大语言模型(Anthropic、OpenAI、VertexAI、vLLM、Nvidia NIM、Gemini、OpenRouter)
GraphRAG-rs 是一个高性能、最先进的 Rust 实现的 GraphRAG(基于图的检索增强生成),它从文档构建知识图谱,并通过可配置的实体提取和本地 LLM 集成实现自然语言查询
混合式 RAG 系统,结合向量搜索、知识图谱(LightRAG)和跨编码器重排序,并支持 Docling 文档解析、视觉智能(图像/表格字幕生成)、智能体流式聊天和行内引用。由 Gemini 或本地 Ollama 模型驱动。
VectorRAG.Net 是一个 .NET 原生的高性能向量数据库库,用于语义搜索和 RAG(检索增强生成)。其核心搜索基于随机超平面 LSH 候选生成,并使用点积/余弦相似度进行精确重排序。