想让大模型拥有 “私有知识”，微调不仅成本高，且效果往往不够理想，于是 RAG（检索增强生成）便成了目前主流的解法。

恰巧，在 GitHub 发现 rag-from-scratch 这个开源教程，由 LangChain 官方团队分享。

教程从索引、检索、生成三个基础环节入手，逐步深入到查询转换、路由、多查询检索等高级技巧，还涵盖自适应 RAG、纠错性 RAG 等实战应用。

GitHub：github.com/langchain-ai/rag-from-scratch

每个知识点都配有详细的 Jupyter Notebook 代码示例和对应的视频讲解，可以边看边实践，理解 RAG 的工作原理和实现细节。

不仅讲清楚了怎么用 RAG，更通过代码演示帮我们理解背后的原理，适合想系统掌握 LLM 应用开发的开发者学习。

#HOW I AI#