RAG_Techniques
Ce dépôt présente diverses techniques avancées pour les systèmes de génération augmentée par récupération (RAG). Chaque technique a un tutoriel détaillé dans un carnet.
Explorez plus de 42 tutoriels pour construire des systèmes avancés qui améliorent la récupération d'informations en utilisant des techniques AI.
Depuis le README
git clone https://github.com/NirDiamant/RAG_Techniques.git
Extraits du README du projet sur GitHub. Le droit d'auteur et les licences restent la propriété des auteurs respectifs.
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 momentCe dépôt présente diverses techniques avancées pour les systèmes de génération augmentée par récupération (RAG). Chaque technique a un tutoriel détaillé dans un carnet.
RAG_Techniques compte 29.3k étoiles sur GitHub. Il a été forké 3.6k fois. RAG_Techniques est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2024. Ses principaux thèmes sont : agentic-rag, ai, embeddings, generative-ai.
Qu'est-ce que RAG_Techniques ?
Ce dépôt présente diverses techniques avancées pour les systèmes de génération augmentée par récupération (RAG). Chaque technique a un tutoriel détaillé dans un carnet.
RAG_Techniques est-il open source ?
RAG_Techniques est un projet open source.
RAG_Techniques est-il gratuit ?
Oui. RAG_Techniques est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Dans quel langage RAG_Techniques est-il écrit ?
RAG_Techniques est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/nirdiamant-rag-techniques.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.