retrieval-augmented-generation

Référence RAG Python transparente avec récupération hybride FAISS + BM25, reranking, interface Gradio et FastAPI.

Ce dépôt partage des notebooks de bout en bout sur l'utilisation des diverses fonctionnalités et intégrations de Weaviate !

Renforcez les grands modèles de langage (LLM) grâce à la génération augmentée par récupération basée sur des graphes de connaissances (KG-RAG) pour les tâches nécessitant des connaissances approfondies.

RAG Time : Un parcours d'apprentissage de 5 semaines pour maîtriser le RAG

Créez votre propre chat IA serverless avec Retrieval-Augmented-Generation en utilisant LangChain.js, TypeScript et Azure

Pipeline RAG avancé basé sur LLM, développé à partir de zéro

Un système RAG basé sur les graphes pour la recherche d'informations médicales fondées sur des preuves [ACL 2025].

Indexation, requêtage et applications LLM agentiques rapides et en streaming en Rust

Ingestion de fichiers pour la génération augmentée par récupération (RAG) avec des modèles de langage (LLM) open source, sans tiers ni transfert de données sensibles hors de votre réseau.

Ce blueprint NVIDIA RAG sert de solution de référence pour un pipeline fondamental de Retrieval Augmented Generation (RAG).

[NeurIPS 2024 Spotlight] Buffer of Thoughts : Raisonnement augmenté par la pensée avec des grands modèles de langage

Projekt J.E.N.O.V.A est une série complète de composants pour Godot Engine qui étend ses capacités avec des technologies de pointe.

Interrogation de documents locaux, propulsée par LLM

Framework RAG facile à utiliser ; Solution Top 3 du défi international CCF AIOps 2024

Convertisseur et robot d'indexation HTML vers Markdown.

Programmation en binôme AI dans votre terminal — un binaire statique unique, démarrage sous‑ms, tout modèle

Phi2-Chinese-0.2B Entraînez votre propre petit modèle de discussion chinois Phi2 à partir de zéro, prend en charge la connexion à langchain pour charger une base de connaissances locale pour la génération augmentée par récupération (RAG). Entraînez votre propre petit modèle de discussion Phi2 à partir de zéro.

Plateforme de recherche web minimaliste avec un assistant IA qui s'exécute directement depuis votre navigateur. Démo : https://felladrin-minisearch.hf.space

Entraînez et inférez des embeddings de phrases puissants avec AnglE | 🔥 SOTA sur STS et le classement MTEB

Une implémentation d'exemple simple du modèle VoiceRAG pour alimenter des expériences d'IA générative vocale interactive utilisant RAG avec Azure AI Search et le modèle gpt-4o-realtime-preview d'Azure OpenAI.

🤖 Un prototype d'assistant pour l'écriture et la réflexion

Utilisez ArXiv ChatGuru pour interagir avec des articles de recherche. Cette application utilise LangChain, OpenAI, Streamlit et Redis comme base de données vectorielle/cache sémantique.

[EMNLP'25 findings] Un système Graph RAG facile à utiliser utilisant des connaissances hiérarchiques.

AgentSearch est un framework pour alimenter les agents de recherche et permettre une recherche locale personnalisable.

Jeu de données et benchmark pour le RAG sur des documents internes d'entreprise.

Une étude sur la génération augmentée par récupération multimodale (Multimodal RAG).

Les constructs AWS Generative AI CDK sont des implémentations d'exemple AWS CDK pour des modèles courants d'IA générative.

GraphRAG-rs est une implémentation Rust haute performance et de pointe de GraphRAG (Graph-based Retrieval Augmented Generation) qui construit des graphes de connaissances à partir de documents et permet des requêtes en langage naturel avec une extraction d'entités configurable et l'intégration de LLM locaux

Hybrid RAG system combining vector search, knowledge graph (LightRAG), and cross-encoder reranking — with Docling document parsing, visual intelligence (image/table captioning), agentic streaming chat, and inline citations. Powered by Gemini or local Ollama models.

Évaluation basée sur les données pour les applications propulsées par LLM.