bragai/bRAG-langchain

Что это за инструмент

Набор Jupyter-ноутбуков для пошагового создания и настройки RAG-приложений от базового уровня до продвинутых архитектур.

Зачем нужен

Инструмент помогает разработчикам освоить архитектуру Retrieval-Augmented Generation, научиться настраивать векторные хранилища и внедрять сложные методы улучшения релевантности ответов, такие как multi-query и reranking.

Что можно реализовать

• Создание базового RAG-чатбота с использованием ChromaDB или Pinecone
• Улучшение качества поиска через multi-querying и RAG-Fusion
• Реализация логической и семантической маршрутизации запросов к разным источникам данных
• Применение продвинутых методов индексации, таких как ColBERT и RAPTOR
• Оптимизация выдачи с помощью Reciprocal Rank Fusion (RRF) и моделей переупорядочивания Cohere

Ключевые возможности

• Полное покрытие процесса: от загрузки документов и эмбеддингов до построения пайплайна генерации
• Внедрение сложных техник: Semantic Routing, MultiVectorRetriever, InMemoryByteStore
• Интеграция с современными моделями и методами: ColBERT, RAPTOR, CRAG, Self-RAG
• Готовый стартовый код в файле full_basic_rag.ipynb для быстрого запуска
• Детальные сравнения эффективности различных подходов к ретриву и ранжированию

👤 Кому подойдёт: разработчики, инженеры ML, исследователи в области NLP