本项目是一个基于 DeepSeek 的 RAG 系统实战课程的代码仓库，实现了一个完整的检索增强生成系统。

课程地址：RAG系统研发实战

项目采用模块化设计，每个模块负责 RAG 系统的不同方面：

• 00-简单RAG-SimpleRAG: 基础 RAG 系统实现
• 01-数据导入-DataLoading: 数据加载和预处理
• 02-文本切块-DocChunking: 文档分块策略
• 03-向量嵌入-Embedding: 文本向量化
• 04-向量存储-VectorDB: 向量数据库操作
• 05-检索前处理-PreRetrieval: 检索优化
• 06-索引优化-Indexing: 索引构建和优化
• 07-检索后处理-PostRetrieval: 检索结果优化
• 08-响应生成-Generation: 答案生成
• 09-系统评估-Evaluation: 系统性能评估
• 10-高级RAG-AdvanceRAG: 高级 RAG 技术实现

• NVIDIA GPU (建议 >= 8GB 显存)
• CUDA 11.8 或更高版本
• cuDNN 8.0 或更高版本

• 建议 >= 16GB RAM
• 多核处理器（建议 >= 4 核）

1. Ubuntu (推荐 22.04 或更高)

   • GPU 版本：使用 requirements_langchain_20250413(Ubuntu-with-GPU).txt
   • CPU 版本：使用 requirements_langchain(Ubuntu-with-CPU).txt

2. MacOS/Windows

   • 使用 requirements_langchain_无GPU版(Mac,Win).txt

1. LangChain 框架

   • 基础版：requirements_langchain_简单RAG(后续模块还要安装其它包).txt
   • 完整版（GPU）：requirements_langchain_20250413(Ubuntu-with-GPU).txt
   • 完整版（CPU）：requirements_langchain_无GPU版(Mac,Win).txt

2. LlamaIndex 框架

   • 基础版：requirements_llamaindex_简单RAG(后续模块还要安装其它包).txt
   • 完整版（GPU）：requirements_llamaindex_20250413(Ubuntu-with-GPU).txt
   • 完整版（CPU）：requirements_llamaindex_无GPU版(Mac,Win).txt

# 创建虚拟环境
python -m venv venv-rag-langchain
source venv-rag-langchain/bin/activate

# 安装依赖
pip install -r 91-环境-Environment/requirements_langchain_20250413\(Ubuntu-with-GPU\).txt

python -m venv venv-rag-langchain
source venv-rag-langchain/bin/activate
pip install -r 91-环境-Environment/requirements_langchain\(Ubuntu-with-CPU\).txt

python -m venv venv-rag-langchain
# Windows
.\venv-rag-langchain\Scripts\activate
# MacOS
source venv-rag-langchain/bin/activate

pip install -r "91-环境-Environment/requirements_langchain_无GPU版(Mac,Win).txt"

1. PDF 处理相关：

   • 使用 requirements_camelot_20250413.txt 安装 PDF 处理相关依赖
   • 可能需要额外安装系统级依赖：
     • Ubuntu: sudo apt-get install ghostscript python3-tk
     • MacOS: brew install ghostscript tcl-tk
     • Windows: 需要手动安装 Ghostscript

2. 标注工具相关：

   • 使用 requirements_marker_20250413.txt 安装标注工具相关依赖

1. 选择合适的环境配置文件并安装依赖
2. 按照模块顺序逐步学习和实践
3. 每个模块都包含独立的示例和说明文档
4. 建议先从 00-简单RAG-SimpleRAG 开始，逐步深入

1. GPU 版本需要确保 CUDA 环境配置正确
2. 不同操作系统可能需要额外的系统级依赖
3. 建议使用虚拟环境管理依赖
4. 部分模块可能需要额外的模型下载或 API 密钥配置

1. CUDA 相关错误：检查 NVIDIA 驱动和 CUDA 版本是否匹配
2. 内存不足：调整批处理大小或使用 CPU 版本
3. 依赖冲突：使用虚拟环境并严格按照 requirements 文件安装

欢迎提交 Issue 和 Pull Request 来帮助改进项目。

本项目采用 MIT 许可证。