Dieses Repository bietet Programme zum Erstellen von Retrieval Augmented Generation (RAG)-Code für Generative AI mit LlamaIndex, Deep Lake und Pinecone, die die Leistung von OpenAI- und Hugging Face-Modellen für Generierung und Bewertung nutzen.
Bauen Sie benutzerdefinierte Systeme, die die KI-Generierung mit Datenabrufwerkzeugen wie LlamaIndex und Pinecone verbessern.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarDieses Repository bietet Programme zum Erstellen von Retrieval Augmented Generation (RAG)-Code für Generative AI mit LlamaIndex, Deep Lake und Pinecone, die die Leistung von OpenAI- und Hugging Face-Modellen für Generierung und Bewertung nutzen.
RAG-Driven-Generative-AI hat 617 Sterne auf GitHub. Es wurde 216-mal geforkt. RAG-Driven-Generative-AI ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2024 aktiv entwickelt. RAG-Driven-Generative-AI ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: advanced-rag, chroma, chromadb, embedding-models.
Dieses Repository bietet Programme zum Erstellen von Retrieval Augmented Generation (RAG)-Code für Generative AI mit LlamaIndex, Deep Lake und Pinecone, die die Leistung von OpenAI- und Hugging Face-Modellen für Generierung und Bewertung nutzen.
RAG-Driven-Generative-AI ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ja. RAG-Driven-Generative-AI ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
RAG-Driven-Generative-AI ist unter der MIT-Lizenz verfügbar.
RAG-Driven-Generative-AI ist hauptsächlich in Jupyter Notebook geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/denis2054-rag-driven-generative-ai.html)