KnowledgeBase-RAG-LLM-System
Un projet d'apprentissage RAG léger basé sur Streamlit, LangChain et Chroma, prenant en charge le téléchargement de bases de connaissances locales, la recherche améliorée de questions-réponses et l'interaction de type chat.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentUn projet d'apprentissage RAG léger basé sur Streamlit, LangChain et Chroma, prenant en charge le téléchargement de bases de connaissances locales, la recherche améliorée de questions-réponses et l'interaction de type chat.
KnowledgeBase-RAG-LLM-System compte 212 étoiles sur GitHub. Il a été forké 37 fois. KnowledgeBase-RAG-LLM-System est écrit principalement en Python. Il est développé activement depuis 2026. KnowledgeBase-RAG-LLM-System est disponible sous licence MIT. Ses principaux thèmes sont : chatbot, chroma, dashscope, knowledge-base.
Qu'est-ce que KnowledgeBase-RAG-LLM-System ?
Un projet d'apprentissage RAG léger basé sur Streamlit, LangChain et Chroma, prenant en charge le téléchargement de bases de connaissances locales, la recherche améliorée de questions-réponses et l'interaction de type chat.
KnowledgeBase-RAG-LLM-System est-il open source ?
KnowledgeBase-RAG-LLM-System est un projet open source. Il est distribué sous licence MIT.
KnowledgeBase-RAG-LLM-System est-il gratuit ?
Oui. KnowledgeBase-RAG-LLM-System est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est KnowledgeBase-RAG-LLM-System ?
KnowledgeBase-RAG-LLM-System est disponible sous licence MIT.
Dans quel langage KnowledgeBase-RAG-LLM-System est-il écrit ?
KnowledgeBase-RAG-LLM-System est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/lhh737-knowledgebase-rag-llm-system.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.