高级检索增强生成(RAG)技术合集，包含10种先进RAG实现方案的详细教程。从基础的Naive RAG到高级的Adaptive RAG，提供完整的代码实现和评估方法。使用LangChain、Pinecone等主流工具，适合研究人员和开发者学习和实践RAG技术
这是一组简短的（5-10分钟视频）和笔记，解释了我最喜欢的十几篇RAG论文，包含开源实现和代码。
RAG-Survey系统收集和分类与RAG相关的学术论文，涵盖基础理论、方法分类和应用领域，为AI内容生成提供全面的研究视角，帮助研究者深入了解RAG技术的发展和应用。
一本深入浅出的指南，从基础到在AWS上部署高级LLM和RAG应用程序，使用LLMOps最佳实践
MLX RAG是一个简单的示例项目，展示如何在Apple Silicon设备上利用MLX框架进行RAG应用的本地运行。
Console Chat GPT是一个强大的工具，允许用户在终端中直接访问OpenAI的Chat GPT和助手功能，支持Mistral AI，具备Markdown支持、代码高亮等特性。
这个项目专注于Tokio框架的异步编程，深入讲解异步I/O、任务调度、并发控制等核心概念，适合初学者和中级开发者，通过丰富的示例代码和实践经验帮助开发者掌握异步编程的技巧。
AskCodeBuddy.ai是一个代码问答助手网站，利用AI技术快速提供与代码相关问题的答案，通过搜索现有代码生成响应，帮助用户理解和解决编程问题。
通过人工智能将表情符号转化为艺术图片，包括完整的前端和后端代码，支持本地和云端部署，完全基于开源，可用于商业用途
以历史的发展的眼光来看光线追踪技术，1968年至2018年重点论文相关算法复现
LLM Twin Course 是一门全面的大型语言模型（LLM）免费学习课程，教授如何构建生产级别的 LLM 和基于 LLM 的检索增强生成（RAG）系统。课程包含11节动手课程，涵盖从数据收集到部署的全过程，并提供了所有实践涉及的源码。课程内容涵盖了系统设计、数据工程、特征管道、训练管道和推理管道等方面，适合中级的机器学习工程师、数据工程师和软件工程师，需具备Python、ML和云计算的基础知识。
这个开源项目叫做“AI Code Translator”，它基于GPT-3.5/GPT-4技术开发，可以帮助用户将程序代码自动转换成其他编程语言，从而节省时间和提高效率。该项目的代码托管在GitHub上，支持数十种编程语言互相切换。
Awesome ChatGPT Plugins是一个集中展示多种ChatGPT插件的资源库，旨在为用户提供方便的访问和使用这些插件的方式。该项目汇集了众多实用插件，涵盖多种功能，能够帮助开发者和普通用户扩展ChatGPT的应用场景。
lealone-bench 是一个用于性能测试的项目，尤其关注 spsc 链表的性能对比，包含了多种性能测试工具和示例代码。
该项目是一个关于自然语言处理(NLP)数据增强的文献集，收录了多篇相关研究论文和技术资源，旨在为研究人员和开发者提供最新的NLP数据增强方法和应用实例，促进相关领域的研究和开发。
