https://github.com/microsoft/rag-time

RAG Time: A 5-week Learning Journey to Mastering RAG
https://github.com/microsoft/rag-time

ai azure binary-quantization generative-ai gpt hnsw hybrid-search indexing keyword-search language-model llm matryoshka-representation-learning multimodal openai rag responsible-ai retrieval-augmented-generation scalar-quantization vector-search visual-studio-code

Last synced: 8 months ago
JSON representation

RAG Time: A 5-week Learning Journey to Mastering RAG

• Host: GitHub
• URL: https://github.com/microsoft/rag-time
• Owner: microsoft
• License: mit
• Created: 2024-12-11T17:25:02.000Z (about 1 year ago)
• Default Branch: main
• Last Pushed: 2025-04-21T16:39:01.000Z (9 months ago)
• Last Synced: 2025-05-15T00:08:38.761Z (8 months ago)
• Topics: ai, azure, binary-quantization, generative-ai, gpt, hnsw, hybrid-search, indexing, keyword-search, language-model, llm, matryoshka-representation-learning, multimodal, openai, rag, responsible-ai, retrieval-augmented-generation, scalar-quantization, vector-search, visual-studio-code
• Language: Jupyter Notebook
• Homepage: https://github.com/microsoft/rag-time
• Size: 71.4 MB
• Stars: 421
• Watchers: 11
• Forks: 193
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE
  • Code of conduct: CODE_OF_CONDUCT.md
  • Security: SECURITY.md
  • Support: SUPPORT.md

Awesome Lists containing this project

• StarryDivineSky - microsoft/rag-time - Augmented Generation（RAG）技术。该项目通过结构化课程和实践练习，指导用户从基础概念到实际应用逐步深入，涵盖 RAG 的核心原理、技术实现及优化方法。项目特色包括分阶段的课程设计（每周聚焦不同主题）、互动式代码示例、真实场景的案例分析，以及配套的项目实践环节，帮助学习者将理论转化为实际技能。RAG 技术结合了信息检索与生成模型的优势，通过从外部知识库中检索相关信息并将其融入生成过程，从而提升回答的准确性与相关性。项目中详细讲解了 RAG 的工作流程，包括数据检索、信息过滤、模型生成等关键步骤，并提供可复用的代码模板与优化技巧。此外，项目还强调了模型评估与调优方法，帮助用户解决实际应用中可能遇到的挑战，例如检索效率、结果多样性等问题。学习者需具备基础的 Python 与机器学习知识，并使用 Hugging Face、LangChain 等工具进行实践。通过五周的学习，用户不仅能理解 RAG 的技术框架，还能独立完成从数据准备到模型部署的完整流程。项目还提供社区支持与资源链接，方便学习者交流经验与获取补充资料。整体设计注重理论与实践结合，适合希望深入掌握 RAG 技术并应用于实际场景的开发者与研究者。 (A01_文本生成_文本对话 / 大语言对话模型及数据)