Datawhale开源黑板报20250825期

[Sm1les]

🔥 最新优质开源项目推荐：《RAG技术全栈指南》
【贡献者】：尹大吕
【Github地址】：https://github.com/datawhalechina/all-in-rag
【在线阅读】：https://datawhalechina.github.io/all-in-rag

【项目简介】
本项目是一个面向大模型应用开发者的RAG（检索增强生成）技术全栈教程，旨在通过体系化的学习路径和动手实践项目，帮助开发者掌握基于大语言模型的RAG应用开发技能，构建生产级的智能问答和知识检索系统。

主要内容包括：

• RAG技术基础：深入浅出地介绍RAG的核心概念、技术原理和应用场景
• 数据处理全流程：从数据加载、清洗到文本分块的完整数据准备流程
• 索引构建与优化：向量嵌入、多模态嵌入、向量数据库构建及索引优化技术
• 检索技术进阶：混合检索、查询构建、Text2SQL等高级检索技术
• 生成集成与评估：格式化生成、系统评估与优化方法
• 项目实战：从基础到进阶的完整RAG应用开发实践

【项目受众】
本项目适合以下人群学习：

• 具备Python编程基础，对RAG技术感兴趣的开发者
• 希望系统学习RAG技术的AI工程师
• 想要构建智能问答系统的产品开发者
• 对检索增强生成技术有学习需求的研究人员

前置要求：

• 掌握Python基础语法和常用库的使用
• 能够简单使用docker
• 了解基本的LLM概念（推荐但非必需）
• 具备基础的Linux命令行操作能力

【项目亮点】

• 体系化学习路径：从基础概念到高级应用，构建完整的RAG技术学习体系
• 理论与实践并重：每个章节都包含理论讲解和代码实践，确保学以致用
• 多模态支持：不仅涵盖文本RAG，还包括多模态嵌入和检索技术
• 工程化导向：注重实际应用中的工程化问题，包括性能优化、系统评估等
• 丰富的实战项目：提供从基础到进阶的多个实战项目，帮助巩固学习成果

🔍 如果你想了解所有开源项目，请查阅：https://github.com/orgs/datawhalechina/repositories

💡 如果你想发起一个开源项目，请查阅【Datawhale开源项目指南】：https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md

✨ 如果你想参与开源项目贡献自己的一份力量，请直接给你感兴趣的项目提Pull Request

❓ 如果你在学习某个开源项目的过程中遇到了问题，请直接给该项目提Issue

💌 如果你的Pull Request或者Issue没有人回复，请联系保姆团队的同学进行跟进，联系方式：https://github.com/datawhalechina/DOPMC/blob/main/OP.md