datawhalechina/all-in-rag

它是什么

All-in-RAG 是一个免费的开源教程（主要用中文编写，提供英文版），教开发者如何构建 RAG 应用——这类系统让大语言模型先从你自己的文档或知识库中检索相关信息，然后基于检索到的内容生成回答。该项目自称“全栈指南”：从基础概念带你走到生产级系统。

适合谁

README 列出了四类目标受众：

• 有一定 Python 经验、想学习 RAG 的开发者
• 寻求系统化学习 RAG 的 AI 工程师
• 构建智能问答系统的产品开发者
• 对检索增强生成感兴趣的研究人员

开始之前，项目假设你具备：基本 Python 语法和常用库的使用能力、运行简单 Docker 命令的能力，以及基本的 Linux 命令行操作能力。了解基本 LLM 概念是推荐但非必需的。

涵盖内容

教程分为 5 个部分共 10 章：

1. RAG 基础——什么是 RAG、如何设置环境，以及“四步”快速入门构建你的第一个 RAG 系统。还涵盖数据准备：加载各种格式的文档，并将文本拆分成可管理的块。

2. 索引构建与优化——将文本转换为向量嵌入（包括处理文本和图像的多模态嵌入）、构建和使用向量数据库（使用 Milvus 进行动手实践），以及调整索引性能。

3. 高级检索——混合搜索（结合稠密和稀疏检索）、智能查询构建、将自然语言转换为 SQL 查询（Text2SQL）、查询重写和路由策略，以及其他高级检索算法。

4. 生成与评估——格式化模型输出，以及如何评估 RAG 系统：方法论、工具和指标。

5. 高级应用与实践——额外一章关于基于知识图谱的 RAG，随后是两个完整的动手项目。第一个项目（第 8 章）构建一个完整的 RAG 应用——环境设置、数据准备、索引构建、检索和生成。第 9 章是对同一项目的可选“Graph RAG”优化，第 10 章（第二个项目）仍在规划中。还有社区贡献的“额外章节”主题，如简单的 Neo4J 应用和多模态嵌入实践。

它的独特之处

README 列出了五个卖点：

• 系统化学习路径——从基础到高级，形成完整的 RAG 心智模型
• 理论与实践结合——每章都包含解释和可运行的代码
• 多模态支持——不仅是文本搜索；涵盖图像与文本的嵌入和检索
• 工程导向——关注性能优化和系统评估等现实问题
• 多个动手项目——从初级到高级，巩固所学内容

仓库布局

仓库包含：docs/（教程文档）、code/（代码示例）、data/（示例数据）、models/（预训练模型）和 Extra-chapter/（社区贡献）。

社区与贡献

该项目由 Datawhale（一个中文开源学习社区）维护，有一位主要贡献者和其他几位贡献者。README 邀请多种贡献：通过 Issues 提交 bug 报告、通过 Discussions 提交想法，以及——目前仅限于 Extra-chapter 部分——社区提交新的独立主题，需经过审查流程。

许可证

All-in-RAG 以 CC BY-NC-SA 4.0 许可证（知识共享署名-非商业性使用-相同方式共享）发布。简单来说：你可以分享和改编材料，但必须注明来源，不得用于商业用途，且任何衍生作品必须以相同许可证发布。

总结

如果你想以结构化、实践性的方式学习 RAG——并且熟悉 Python 和基本 DevOps 工具——这是一个完整、免费的资源，带你从“什么是 RAG？”到“我构建并评估了自己的 RAG 系统”。