A
all-in-rag
datawhalechina/all-in-rag
🔍大模型应用开发实战一：RAG 技术全栈指南，在线阅读地址：https://datawhalechina.github.io/all-in-rag/
★10.2kstars
Python
更新: 今天
📋 项目速览
点击展开
这是什么？用Python构建、打造开源数据与基础设施项目，专注deepseek和embedding方向
作者是谁？由 datawhalechina 团队维护，GitHub 10.2K⭐，在 数据与基础设施 分类 3133 个项目中排名第 194
为什么诞生？deepseek在数据与基础设施中的需求持续增长，datawhalechina发现现有方案不够直观，于是创造了all-in-rag来降低embedding使用门槛。
能干什么？核心场景：kimi-k2、langchain、llama-index
怎么用 AI 安装？推荐使用 AI 编码助手根据 GitHub README 自动完成 pip 安装和虚拟环境配置。
🔗 github.com/datawhalechina/all-in-rag | 官网 https://datawhalechina.github.io/all-in-rag/
🔗 github.com/datawhalechina/all-in-rag | 官网 https://datawhalechina.github.io/all-in-rag/
标签
aideepseekembeddingkimi-k2langchainllama-indexllmmilvusmultimodalneo4jpythonrag