轻松学RAG应用开发

🌟 项目概览

本项目是基于langchain的大模型RAG外挂知识库的开发教程，主要内容包括：

1. 大模型简介，什么是大模型、大模型特点是什么、LangChain 是什么，如何实现RAG；
2. 如何调用大模型 API，介绍了国内外知名大模型产品 （DeepSeek、智谱AI等）API 的多种调用方式，包括调用原生 API、封装为 LangChain LLM等调用方式；
3. 如何调用本地部署的大模型，使用ollama/vllm/xinference完成大模型的本地化部署，调用本地大模型的能力；
4. 知识库搭建，不同类型知识库文档的加载、处理，向量数据库的搭建；
5. 构建 RAG 应用，包括将 LLM 接入到 LangChain 构建检索问答链，使用 Streamlit 进行应用部署

如果希望0代码完成本地知识库的搭建，可以借助一些优秀的开源项目：

1. ragflow，一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎
2. AnythingLLM，一个全栈应用程序，您可以使用现成的商业大语言模型或流行的开源大语言模型，再结合向量数据库解决方案构建一个私有ChatGPT
3. MaxKB = Max Knowledge Base，是一款基于大语言模型和 RAG 的开源知识库问答系统，广泛应用于智能客服、企业内部知识库、学术研究与教育等场景。

🛠️ 快速开始

克隆仓库：

git clone https://gitee.com/coderwillyan/learn-llm-rag-easily.git

安装依赖：

进入项目llm-rag的根目录，执行pip install指令：

pip install -r requirements.txt

使用jupyter lab/PyCharm依次执行代码

如果chromadb在windows上安装失败，参考：issues: chromadb fails to install on windows

📂 项目结构

learn-llm-rag-easily/
├── 01_RAG理论/          # 核心概念与课程笔记
├── 02_RAG-LangChain实战/ # 完整实现流程
└── assets/              # 图片
└── requirements.txt /   # 依赖

📜 附RAG