Curso gratuito e prático, com notebooks Jupyter e artigos sobre aplicações de LLMs usando OpenAI, Hugging Face, LangChain, bancos de dados vetoriais, fine-tuning e pruning.
NVIDIA/GenerativeAIExamples
Uma coleção de fluxos de trabalho de referência com foco em NVIDIA para criar pipelines de RAG, IA agêntica e ajuste fino de LLMs com microserviços NIM e NeMo.
- Estrelas
- 4,223
- Forks
- 1,102
- Issues abertas
- 85
- Último commit
- há 2 meses
O que é?
NVIDIA Generative AI Examples é um conjunto de fluxos de trabalho de referência que mostra como criar sistemas de IA generativa usando a stack de software da NVIDIA. Abrange pipelines de geração aumentada por recuperação (RAG), fluxos de trabalho agênticos, chamadas de ferramentas e ajuste fino de modelos. Cada exemplo é disponibilizado como notebook Jupyter, aplicação de demonstração ou configuração do Docker Compose.
O conteúdo sobre RAG inclui notebooks e exemplos de ponta a ponta criados com conectores do LangChain e do LlamaIndex, com opções para casos básicos, conversas com várias interações, dados multimodais e dados CSV estruturados, além de decomposição de consultas. Por padrão, os exemplos chamam endpoints NIM hospedados no NVIDIA API Catalog, e alguns também podem ser executados on-premises. Outras seções abordam um fluxo de trabalho Data Flywheel baseado em microserviços NeMo, tutoriais sobre guardrails e auditoria de LLMs, além de fluxos de trabalho com Vision NIM para monitoramento de vídeo e busca de imagens.
O repositório é voltado a desenvolvedores que já usam LangChain ou LlamaIndex e querem integrar NVIDIA NIM, NeMo Retriever ou serviços relacionados às suas aplicações.
Recursos principais
- 01Exemplos básicos e avançados de RAG criados com LangChain e LlamaIndex
- 02Ajuste fino e avaliação de chamadas de ferramentas usando microserviços NeMo
- 03Notebooks de RAG agêntico usando NeMo Retriever NIM
- 04Fluxos de trabalho com Vision para monitorar eventos em vídeo e buscar imagens em linguagem natural
- 05Configuração do Docker Compose para executar um playground de RAG de demonstração
Casos de uso
- Criar protótipos de um chatbot de RAG sobre seus próprios documentos usando modelos hospedados pela NVIDIA
- Ajustar um LLM pequeno para chamadas de função e medir sua precisão
- Adicionar recuperação baseada em NIM a uma aplicação existente de LangChain ou LlamaIndex
- Explorar padrões de RAG com dados multimodais ou estruturados antes de criar um produto
Início rápido
- 1
Obtenha uma chave de API da NVIDIA no NVIDIA API Catalog
export NVIDIA_API_KEY=nvapi-... - 2
Clone o repositório
git clone https://github.com/nvidia/GenerativeAIExamples.git - 3
Compile e execute o pipeline RAG básico com Docker Compose
cd GenerativeAIExamples/RAG/examples/basic_rag/langchain/ && docker compose up -d --build - 4
Abra o RAG Playground de exemplo em https://localhost:8090/ e envie consultas
Antes de usar
- Os exemplos usam endpoints do NVIDIA API Catalog, que exigem uma chave de API da NVIDIA.
- Muitos exemplos são notebooks e fluxos de trabalho de referência, e não uma única biblioteca instalável.
Em coleções
Tópicos
Perguntas frequentes
- O que é GenerativeAIExamples?
- Uma coleção de fluxos de trabalho de referência com foco em NVIDIA para criar pipelines de RAG, IA agêntica e ajuste fino de LLMs com microserviços NIM e NeMo. NVIDIA Generative AI Examples é um conjunto de fluxos de trabalho de referência que mostra como criar sistemas de IA generativa usando a stack de software da NVIDIA. Abrange pipelines de geração aumentada por recuperação (RAG), fluxos de trabalho agênticos, chamadas de ferramentas e ajuste fino de modelos. Cada exemplo é disponibilizado como notebook Jupyter, aplicação de demonstração ou configuração do Docker Compose.
- GenerativeAIExamples é gratuito? Qual é a licença?
- GenerativeAIExamples é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- GenerativeAIExamples ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de GenerativeAIExamples foi em 9 de set. de 2026.
- Para que posso usar GenerativeAIExamples?
- Criar protótipos de um chatbot de RAG sobre seus próprios documentos usando modelos hospedados pela NVIDIA Ajustar um LLM pequeno para chamadas de função e medir sua precisão Adicionar recuperação baseada em NIM a uma aplicação existente de LangChain ou LlamaIndex Explorar padrões de RAG com dados multimodais ou estruturados antes de criar um produto
- Como instalar GenerativeAIExamples?
- Obtenha uma chave de API da NVIDIA no NVIDIA API Catalog: export NVIDIA_API_KEY=nvapi-... Clone o repositório: git clone https://github.com/nvidia/GenerativeAIExamples.git Compile e execute o pipeline RAG básico com Docker Compose: cd GenerativeAIExamples/RAG/examples/basic_rag/langchain/ && docker compose up -d --build Abra o RAG Playground de exemplo em https://localhost:8090/ e envie consultas
- Onde consigo GenerativeAIExamples?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/NVIDIA/GenerativeAIExamples
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Lista selecionada e organizada por categoria com mais de 120 bibliotecas open source para criar, treinar, servir, avaliar e monitorar aplicações com LLMs.
Um port de LangChain para Dart e Flutter, para criar apps com LLMs, provedores de modelos intercambiáveis, RAG e agentes.
Framework Python para criar aplicações de RAG, agentes e processamento de documentos que conectam LLMs aos seus próprios dados.
Framework Python low-code para criar aplicações de LLM multiagente, com suporte a RAG, chatbots, fine-tuning e implantação com um clique.
Lista selecionada e atualizada semanalmente de frameworks, runtimes e ferramentas open source para criar agentes com LLM, organizada por categoria.