lizhe2004/Awesome-LLM-RAG-Application

解决的问题

本项目提供了一个全面且经过精心策划的资源集合，用于构建检索增强生成 (RAG) 应用程序。它通过将学术论文、开源工具和行业最佳实践组织成一个结构化的参考点，帮助开发者和研究人员在快速发展的 RAG 领域中导航。

工作原理

该仓库作为一个知识中心，将 RAG 组件分类为逻辑阶段，例如数据预处理、检索策略、评估框架和 LLM 部署。它包含了基础研究论文、技术指南以及开发者可以用来构建自己的 RAG 系统的各种开源框架（如 LangChain、LlamaIndex 和 Dify）的链接。

适用人群

此列表专为正在构建或研究基于 LLM 的应用程序的 AI 工程师、研究人员和开发者设计。它对于那些希望从初步原型转向生产级企业系统的人员特别有用，因为它涵盖了从基本概念到 GraphRAG 和代理工作流等高级技术的所有内容。

亮点

• 学术研究： 按时间顺序排列的关键论文列表，涵盖 RAG 的演变、评估和代理搜索。
• 工具生态系统： 用于 RAG、文档预处理和可观测性的开源框架分类目录。
• 实践指导： 指向企业级实践、教程以及 RAG 与微调之间比较的链接。
• 高级技术： 关于查询优化、重排序和上下文压缩的资源，以提高检索准确性。
• 多模态支持： 处理包括图像、表格和 PDF 在内的多种数据类型的参考资料。