RAG-Driven Generative AI开源项目 – 构建高效的生成式AI系统

UseScraper Crawler是一个为AI应用设计的网页爬虫和抓取API。用户只需提供网站URL并选择期望的输出格式（Markdown或JSON），API将爬取网站，提取内容，并以请求的格式提供输出。

一个简单的银行客户支持聊天机器人的实现示例，使用了 RAG（Retrieval-Augmented Generation）技术，旨在展示如何使用 LangChain 平台构建可靠的生成人工智能（GenAI）应用程序。通过全面的测试和评估展示了如何防止AI幻觉，提供了用户友好的聊天界面和灵活的配置选项。

达观数据的RAG产品是一种整合大模型与检索增强生成（RAG）技术的AI工具，通过连接外部知识库增强模型性能， 解决传统生成模型的信息过时和幻觉问题。该产品支持多模态数据处理，适用于垂直领域深度定制， 能提供带来源引用的高透明度回答，典型应用场景包括客户支持、研究辅助等。

LaravelBot是一款专为高效检索最新Laravel文档而设计的工具，采用检索增强生成（RAG）技术。它专注于精确搜索而非闲聊，能够快速提供相关Laravel方法和功能的文档。

基于Langchain框架的RAG实践指南，专注于高级检索增强生成（RAG）技术的应用与实现。该项目提供详细的实践指南、丰富的示例代码和文档，帮助用户快速上手和深入理解RAG技术，支持多种数据源和检索方法，增强系统的灵活性和适应性。

`langchain4j-examples` 是 LangChain4j 库的官方示例集合，旨在帮助开发者快速理解和上手 LangChain4j 的各项功能。这些示例涵盖了从基础教程到高级 RAG 技术、具有记忆、工具和 RAG 的代理等多种应用场景，展示了如何在 Java 项目中应用 LangChain4j 构建强大的自然语言处理应用。

LLMPlus是一个Python包，旨在帮助开发者使用本地的大型语言模型（LLMs）来构建AI应用。它提供了简洁的接口，以便进行提示工程，支持加载LLM模型、嵌入模型和向量数据库的类。通过自定义提示工程和RAG技术，开发者可以轻松创建LLM应用。

本项目是由 Datawhale 提供的面向初学者的大模型（LLM）应用开发教程，旨在帮助开发者快速掌握 LLM 应用开发的核心技能。教程分为三个部分：LLM 开发入门、LLM 开发技巧、LLM 应用实例。通过实践项目驱动学习，无需深厚的算法基础即可入门。项目围绕‘个人知识库助手’展开，覆盖提示工程、RAG等关键技术，提供详细的环境配置指南和代码示例，适合希望快速上手 LLM 应用开发的开发者。

FinanceGPT Chat 让用户构建自己的AI助手，提供个性化财务洞察、市场分析和更智能的决策支持。通过提问，用户可以获得量身定制的见解，从而做出更明智的财务决策，所有这些都由自己的AI助手引导。该项目利用了先进的检索增强生成(RAG)技术，提供精准且个性化的财务洞察。

MeMemo是一个JavaScript库，旨在将检索增强生成（RAG）和向量搜索功能集成到浏览器环境中。它允许开发者在前端应用中轻松实现高效的信息检索和智能搜索体验，提升用户交互的质量和效率。

NewsGPT是一个结合了大型语言模型（LLM）功能的新闻聚合器，旨在为用户提供来自可靠新闻来源的每日推荐和量身定制的新闻内容。该项目不仅支持用户与任何给定的新闻文章进行对话，还完全开源，展示了如何将RAG（Retrieval-Augmented Generation）技术与推荐系统结合的实际应用。

模块化 RAG 是一个旨在将复杂的 RAG 系统分解为独立模块的项目，采用先进的集成路由、调度和融合机制，支持高度可重构的框架，并分析流行的 RAG 模式，如线性、条件、分支和循环。

aoyo.ai是基于最新RAG技术的AI搜索工具，允许用户用母语搜索外语内容，并提供总结和响应，帮助用户轻松理解和获取外语信息。

ThinkAny是一款利用RAG技术检索和聚合高质量内容的AI搜索引擎，结合智能回答功能，高效回答用户问题。

RAG-Survey是关于人工智能生成内容的检索增强生成（RAG）调查，提供RAG在AIGC领域的应用与技术综述，汇总相关论文与研究成果。