datawhalechina/all-in-rag
📚 ट्यूटोरियलdatawhalechina
पूर्ण-स्टैक RAG ट्यूटोरियल: LLM और वेक्टर डेटाबेस के साथ एप्लिकेशन बनाएं।
All-in-RAG बड़े भाषा मॉडल एप्लिकेशन विकास के लिए एक व्यावहारिक ट्यूटोरियल है, जो पूर्ण RAG पाइपलाइन पर ध्यान केंद्रित करता है। यह PDF (मल्टीमॉडल प्रकार सहित) पार्सिंग, चंकिंग रणनीतियों और एम्बेडिंग तकनीकों की मूल बातों से शुरू होता है। फिर यह Milvus, Neo4j (ज्ञान ग्राफ़) जैसे वेक्टर डेटाबेस और DeepSeek, Kimi K2, और स्थानीय LangChain/LlamaIndex सेटअप सहित LLM API को एकीकृत करता है। ट्यूटोरियल RAG मूल्यांकन, उन्नत क्वेरी रणनीतियों और छवियों/PDF के साथ मल्टीमॉडल RAG को भी शामिल करता है। चीनी भाषी शिक्षार्थियों के लिए डिज़ाइन किया गया है लेकिन कोड अंग्रेजी/पायथन में है। यह बार-बार अपडेट के साथ सक्रिय रूप से बनाए रखा जाता है।
💡मुख्य बातें
- ├─पार्सिंग से मूल्यांकन तक पूर्ण RAG पाइपलाइन
- ├─PDF और छवियों के साथ मल्टीमॉडल RAG शामिल
- └─Milvus, Neo4j, DeepSeek, Kimi K2 एकीकरण
🎯के लिए
- ├─AI डेवलपर
- ├─NLP शोधकर्ता
- └─RAG अभ्यासी