About Rag Tutorial

完整的RAG技术教程 - 从基础概念到生产部署，系统化掌握检索增强生成技术。包含4个模块、20章内容、17个Jupyter Notebooks、6个企业级实战案例

Alternatives to Rag Tutorial

View All

Llama Cookbook

Welcome to the Llama Cookbook! This is your go to guide for Building with Llama: Getting started with Inference, Fine-Tuning, RAG. We also show you how to solve end to end problems using Llama model f

18.3K

Rag In Action

End-to-end RAG system design, evaluation, and optimization. 极客时间RAG训练营，RAG 10大组件全面拆解，4个实操项目吃透 RAG 全流程。RAG的落地，往往是面向业务做RAG，而不是反过来面向RAG做业务。这就是为什么我们需要针对不同场景、不同问题做针对性的调整、优化和定制化。魔鬼全在细节中，我们深入进去探究。

744

RAG Driven Generative AI

This repository provides programs to build Retrieval Augmented Generation (RAG) code for Generative AI with LlamaIndex, Deep Lake, and Pinecone leveraging the power of OpenAI and Hugging Face models f

610

Haystack Cookbook

👩🏻‍🍳 A collection of example notebooks using Haystack

541

Published by

vivy-yi

Visit View Profile

Rag Tutorial

View on GitHub

RAG完整教程 - 从入门到生产部署

🚀 最全面的中文RAG技术教程 - 从基础概念到生产部署，系统化掌握检索增强生成（Retrieval-Augmented Generation）技术。涵盖LangChain、LlamaIndex、向量数据库、Agent、GraphRAG等前沿技术。

在线文档	Jupyter Notebooks	实战案例
GitHub Pages	在线运行	案例文档

🔍 什么是RAG？

RAG（Retrieval-Augmented Generation，检索增强生成） 是一种结合了检索和生成的AI技术，通过从外部知识库中检索相关信息来增强大语言模型（LLM）的生成能力，有效解决幻觉问题、知识过时和事实错误。

本教程将带您从零开始，逐步掌握RAG技术，最终能够独立构建企业级RAG应用。

✨ 特性

📚 系统化学习路径: 4个模块，20章内容，从入门到精通
💻 17个Jupyter Notebooks: 交互式学习环境，即学即练
🎯 6个完整实战案例: 企业级代码实现（智能客服、文档问答、AI研究助手等）
📊 89张技术图表: 深入理解架构和原理
✅ 30+练习题: 巩固学习成果，附带详细参考答案
🚀 前沿技术覆盖: HyDE、Self-RAG、CRAG、GraphRAG、Deep Research、检索压缩等
🛠️ 完整技术栈: LangChain、LlamaIndex、OpenAI、ChromaDB、Pinecone、Streamlit、FastAPI等
🌏 中文优化: 专为中文学习者设计，案例贴合实际应用场景

📖 教程大纲

模块1：基础入门 (5章)

docs/01-基础入门/
├── 00-教程导航.md
├── 01-RAG技术概述.md           # RAG技术发展历程
├── 02-环境搭建与工具准备.md      # 开发环境配置
├── 03-基础RAG实现.md            # 第一个RAG系统
├── 04-RAG评估基础.md            # 评估指标和方法
└── 05-模块1总结与项目.md        # 综合项目

模块2：核心优化 (8章)

docs/02-核心优化/
├── 06-嵌入模型深入.md            # Transformer嵌入
├── 07-高级分块策略.md            # 智能文档分块
├── 08-查询增强技术.md            # HyDE等技术
├── 09-混合检索与重排序.md        # Vector + BM25
├── 10-高级RAG模式.md            # 迭代、自适应检索
├── 11-性能优化.md                # 系统性能优化
├── 12-综合项目优化.md            # Intel优化案例
└── 13-检索压缩优化.md ⭐         # 上下文压缩

模块3：高级架构 (4章)

docs/03-高级架构/
├── 13-Agentic-RAG基础.md        # ReAct Agent
├── 14-高级Agent模式.md ⭐        # Deep Research + 多Agent
├── 15-知识图谱RAG.md            # GraphRAG实现
└── 16-多模态RAG.md              # 图文检索

模块4：生产部署 (5章)

docs/04-生产部署/
├── 17-环境配置.md                # 生产环境
├── 18-Docker部署.md             # 容器化部署
├── 19-监控和日志.md              # 可观测性
├── 20-安全实践.md                # 安全最佳实践
└── 22-最佳实践.md                # 生产级建议

💻 Jupyter Notebooks

如何使用

# 1. 克隆仓库
git clone https://github.com/vivy-yi/rag-tutorial.git
cd rag-tutorial

# 2. 安装依赖
pip install -r requirements.txt

# 3. 启动Jupyter
jupyter notebook

# 或使用JupyterLab
jupyter lab

# 4. 打开notebooks目录
cd notebooks

Notebook列表

模块1 - 基础入门 (notebooks/module1/)

Notebook	说明
`01_rag_concepts.ipynb`	RAG核心概念
`02_environment_setup.ipynb`	环境搭建
`03_basic_rag_implementation.ipynb`	基础RAG实现
`04_rag_evaluation.ipynb`	RAG评估

模块2 - 核心优化 (notebooks/module2/)

Notebook	说明
`06_embedding_models.ipynb`	嵌入模型对比
`07_advanced_chunking.ipynb`	高级分块策略
`08_query_enhancement.ipynb`	查询增强技术
`09_hybrid_retrieval.ipynb`	混合检索
`10_advanced_rag_patterns.ipynb`	高级RAG模式
`11_performance_optimization.ipynb`	性能优化
`12_comprehensive_optimization.ipynb`	综合优化
`13_retrieval_compression.ipynb`	检索压缩 ⭐

模块3 - 高级架构 (notebooks/module3/)

Notebook	说明
`13_react_agent.ipynb`	ReAct Agent
`14_advanced_agents.ipynb`	高级Agent模式
`14_deep_research_agent.ipynb`	Deep Research ⭐
`15_graph_rag.ipynb`	GraphRAG
`16_multimodal_rag.ipynb`	多模态RAG

🎯 实战案例

案例1：智能客服RAG系统

在线文档: 查看
源码路径: projects/case1-customer-service/
特点: 基础RAG应用、多轮对话、Streamlit界面

案例2：技术文档问答系统

在线文档: 查看
源码路径: projects/case2-doc-qa/
特点: Vector + BM25混合检索、CrossEncoder重排序

案例3：AI研究助手Agent

在线文档: 查看
源码路径: projects/case3-research-agent/
特点: ReAct Agent模式、ArXiv论文搜索、自动生成报告

案例4：企业知识图谱问答

在线文档: 查看
源码路径: projects/case4-knowledge-graph/
特点: GraphRAG实现、多跳推理、路径可视化

案例5：多模态产品问答

在线文档: 查看
源码路径: projects/case5-multimodal/
特点: 图文混合检索、CLIP/GPT-4V支持

案例6：企业级RAG平台

在线文档: 查看
源码路径: projects/case6-enterprise-platform/

特点：

FastAPI RESTful API
JWT认证
Redis缓存
用户权限管理

🛠️ 技术栈

核心框架

LangChain: 强大的LLM应用开发框架，支持链式调用、Agent等
LlamaIndex: 专注于数据索引和检索的RAG框架

大语言模型（LLM）

OpenAI: GPT-4, GPT-3.5-turbo
Anthropic: Claude 3.5 Sonnet, Claude 3 Opus
本地模型: 支持通过Ollama使用Llama 3、Qwen等开源模型

向量数据库

ChromaDB: 轻量级本地向量数据库
Pinecone: 全托管向量数据库服务
MongoDB Atlas Vector Search: MongoDB原生向量搜索
Weaviate: 开源向量搜索引擎

嵌入模型

OpenAI Embeddings: text-embedding-3-small, text-embedding-3-large
HuggingFace: sentence-transformers系列（all-MiniLM-L6-v2, m3e-base等）
FlagEmbedding: 中文优化嵌入模型（bge系列）

RAG优化技术

混合检索: Vector Search + BM25关键词检索
重排序: CrossEncoder、Cohere Rerank
查询增强: HyDE（假设文档嵌入）、Query Rewriting、Query Expansion
高级分块: Semantic Chunking、Recursive Character Splitting
检索压缩: Context Compression、LLMContextualCompression

Agent架构

ReAct Agent: 推理+行动模式
Self-RAG: 自我反思RAG
CRAG: 校正RAG
Agentic RAG: Agent驱动的动态检索
Deep Research Agent: 多轮深度推理Agent

知识图谱

GraphRAG: 结合知识图谱的RAG
Neo4j: 图数据库存储
NetworkX: 图计算和分析

Web框架

Streamlit: 快速构建交互式界面
FastAPI: 高性能异步API框架
Jupyter: 交互式Notebook环境

部署运维

Docker: 容器化部署
Kubernetes: 容器编排
GitHub Actions: CI/CD自动化
Prometheus + Grafana: 监控和告警

🚀 快速开始

环境要求

Python 3.9+
pip 或 conda

安装

# 1. 克隆仓库
git clone https://github.com/vivy-yi/rag-tutorial.git
cd rag-tutorial

# 2. 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 3. 安装依赖
pip install -r requirements.txt

学习教程

选项1：在线浏览（推荐）

访问 GitHub Pages 在线阅读完整教程

✅ 无需安装
✅ 完美渲染的Markdown和Notebooks
✅ 全文搜索功能
✅ 支持所有设备

选项2：本地阅读文档

# 查看教程文档
cd docs/01-基础入门
open 01-RAG技术概述.md

选项3：本地运行Notebooks

# 启动Jupyter
jupyter notebook

# 浏览到对应模块的notebook目录
# 例如：notebooks/module1/

选项4：运行实战案例

# 例如运行案例1
cd projects/case1-customer-service
pip install -r requirements.txt
python main.py

📚 学习路径

路径1：快速入门 (2-3周)

docs/01-基础入门 → projects/case1-customer-service → docs/04-生产部署

路径2：系统学习 (6-8周)

docs/01-基础入门 → docs/02-核心优化 → docs/03-高级架构 → projects/case1-2-3

路径3：专家级 (10-12周)

所有docs模块 → 所有projects → 深入优化 → docs/04-生产部署

📊 教程统计

项目	数量
章节数	20章
字数	~500,000
Jupyter Notebooks	17个
实战案例	6个
Python文件	25+
练习题	30+道
图片资源	89张

📝 内容结构

RAG完整教程/
├── docs/                       # 教程文档（按模块）
│   ├── 01-基础入门/
│   │   ├── *.md
│   │   ├── notebooks/
│   │   └── exercises/
│   ├── 02-核心优化/
│   ├── 03-高级架构/
│   └── 04-生产部署/
│
├── notebooks/                  # Jupyter Notebooks（按模块）
│   ├── module1/
│   ├── module2/
│   ├── module3/
│   └── module4/
│
├── exercises/                   # 练习题（按模块）
│   ├── module1/
│   ├── module2/
│   ├── module3/
│   └── module4/
│
├── projects/                    # 实战案例
│   ├── case1-customer-service/
│   ├── case2-doc-qa/
│   ├── case3-research-agent/
│   ├── case4-knowledge-graph/
│   ├── case5-multimodal/
│   └── case6-enterprise-platform/
│
├── assets/                      # 图片资源
│   └── images/
│       ├── module1-basic/
│       ├── module2-optimization/
│       ├── module3-advanced/
│       ├── module4-production/
│       └── logos/
│
├── README.md                    # 本文件
├── CONTRIBUTING.md              # 贡献指南
├── .gitignore                   # Git忽略配置
├── requirements.txt             # Python依赖
└── LICENSE                      # MIT许可证

🎓 学习建议

循序渐进

先掌握基础：完成docs/01-基础入门
学习优化技术：学习docs/02-核心优化
实践高级架构：探索docs/03-高级架构
生产部署：了解docs/04-生产部署

理论与实践结合

每章都有对应的Jupyter Notebook
边学边练，完成exercises/中的练习题
运行projects/中的实战案例

加入社区

提出Issue反馈问题
提交PR改进教程
分享你的学习心得

🤝 贡献

欢迎贡献！请查看贡献指南

如何贡献

Fork 本仓库
创建特性分支 (git checkout -b feature/AmazingFeature)
确保你的代码符合我们的代码规范
提交代码 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
开启 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

🙏 致谢

本教程整合了多个优质开源项目的资源：

LangChain - 强大的LLM应用开发框架
AgenticRAG-Survey - Agentic RAG调研
RAG_Techniques - RAG技术合集
advanced-rag - RAG从零开始

感谢所有贡献者！

📮 联系方式

Issue: GitHub Issues
Email: [email protected]

🔖 关键词

RAG、检索增强生成、Retrieval-Augmented Generation、LangChain、LlamaIndex、向量数据库、Vector Database、大语言模型、LLM、GPT-4、Claude、ChromaDB、Pinecone、Agent、ReAct、Self-RAG、GraphRAG、HyDE、混合检索、重排序、嵌入模型、Embedding、OpenAI、中文教程、人工智能教程、AI应用开发、知识库问答、智能客服

⭐ 如果这个教程对你有帮助

请给个Star支持一下！🙏

Rag Tutorial

About Rag Tutorial

Platforms

Languages

Links

Need Help Installing Rag Tutorial?

Alternatives to Rag Tutorial

Llama Cookbook

Rag In Action

RAG Driven Generative AI

Haystack Cookbook

Rag Tutorial

RAG完整教程 - 从入门到生产部署

🔍 什么是RAG？

✨ 特性

📖 教程大纲

模块1：基础入门 (5章)

模块2：核心优化 (8章)

模块3：高级架构 (4章)

模块4：生产部署 (5章)

💻 Jupyter Notebooks

如何使用

Notebook列表

模块1 - 基础入门 (notebooks/module1/)

模块2 - 核心优化 (notebooks/module2/)

模块3 - 高级架构 (notebooks/module3/)

🎯 实战案例

案例1：智能客服RAG系统

案例2：技术文档问答系统

案例3：AI研究助手Agent

案例4：企业知识图谱问答

案例5：多模态产品问答

案例6：企业级RAG平台

🛠️ 技术栈

核心框架

大语言模型（LLM）

向量数据库

嵌入模型

RAG优化技术

Agent架构

知识图谱

Web框架

部署运维

🚀 快速开始

环境要求

安装

学习教程

选项1：在线浏览（推荐）

选项2：本地阅读文档

选项3：本地运行Notebooks

选项4：运行实战案例

📚 学习路径

路径1：快速入门 (2-3周)

路径2：系统学习 (6-8周)

路径3：专家级 (10-12周)

📊 教程统计

📝 内容结构

🎓 学习建议

循序渐进

理论与实践结合

加入社区

🤝 贡献

如何贡献

📄 许可证

🙏 致谢

📮 联系方式

🔖 关键词

⭐ 如果这个教程对你有帮助