RAG_Techniques
Dieses Repository zeigt verschiedene fortgeschrittene Techniken für Retrieval-Augmented Generation (RAG) Systeme. Jede Technik hat ein detailliertes Notebook-Tutorial.
Entdecken Sie über 42 Tutorials, um fortschrittliche Systeme zu erstellen, die die Informationsbeschaffung mit KI-Techniken verbessern.
Aus der README
git clone https://github.com/NirDiamant/RAG_Techniques.git
Auszüge aus der Projekt-README zu GitHub. Das Urheberrecht und die Lizenzen verbleiben bei den jeweiligen Autoren.
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 zeigt verschiedene fortgeschrittene Techniken für Retrieval-Augmented Generation (RAG) Systeme. Jede Technik hat ein detailliertes Notebook-Tutorial.
RAG_Techniques hat 29.3k Sterne auf GitHub. Es wurde 3.6k-mal geforkt. RAG_Techniques ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2024 aktiv entwickelt. Die Hauptthemen sind: agentic-rag, ai, embeddings, generative-ai.
Was ist RAG_Techniques?
Dieses Repository zeigt verschiedene fortgeschrittene Techniken für Retrieval-Augmented Generation (RAG) Systeme. Jede Technik hat ein detailliertes Notebook-Tutorial.
Ist RAG_Techniques Open Source?
RAG_Techniques ist ein Open-Source-Projekt.
Ist RAG_Techniques kostenlos?
Ja. RAG_Techniques ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
In welcher Sprache ist RAG_Techniques geschrieben?
RAG_Techniques 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/nirdiamant-rag-techniques.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.