【源码解析】RAG+LangChain+FastAPI+OpenAI+通义千问打造私有领域知识库，构建和检索全流程源码分享，一份代码搞定多类型大模型集成
TIP! Right-click and select "Save link as..." to download.
| VIDEOS | |||
| MP4 | N/A | 480P | Download |
| MP4 | N/A | 360P | Download |
| AUDIO | |||
| MP4 | N/A | mp4a.40.2 | Download |
| MP4 | N/A | mp4a.40.5 | Download |
| MP4 | N/A | mp4a.40.2 | Download |
| THUMBNAILS | |||
|
JPEG | Origin Image | Download |
视频简介:
在这期南哥AGI研习社视频中，RAG+LangChain+OpenAI+通义千问+PDF中英文件预处理模拟健康档案私有知识库构建和检索全流程，通过一份代码实现了同时支持多种大模型（如OpenAI、阿里通义千问等）的RAG（检索增强生成）。
具体功能:
(1)离线步骤:文档加载->文档切分->向量化->灌入向量数据库；
(2)在线步骤:获取用户问题->用户问题向量化->检索向量数据库->将检索结果和用户问题填入prompt模版->用最终的prompt调用LLM->由LLM生成回复
所用代码下载链接:
所用到的代码链接:https://github.com/NanGePlus/RagLangChainTest
所用到的代码链接:https://gitee.com/NanGePlus/RagLangChainTest
在这期南哥AGI研习社视频中，RAG+LangChain+OpenAI+通义千问+PDF中英文件预处理模拟健康档案私有知识库构建和检索全流程，通过一份代码实现了同时支持多种大模型（如OpenAI、阿里通义千问等）的RAG（检索增强生成）。
具体功能:
(1)离线步骤:文档加载->文档切分->向量化->灌入向量数据库；
(2)在线步骤:获取用户问题->用户问题向量化->检索向量数据库->将检索结果和用户问题填入prompt模版->用最终的prompt调用LLM->由LLM生成回复
所用代码下载链接:
所用到的代码链接:https://github.com/NanGePlus/RagLangChainTest
所用到的代码链接:https://gitee.com/NanGePlus/RagLangChainTest
Supported Sites
