Repolode
GiovanniPasq

GiovanniPasq/agentic-rag-for-dummies

Модульный учебный проект по Agentic RAG на LangGraph: иерархическая индексация, память диалога и уточнение запросов.

Звёзды
4,268
Форки
587
Открытые issues
0
Последний коммит
3 дня назад

Что это?

Agentic RAG for Dummies — обучающий материал и расширяемый проект, который показывает, как создать систему генерации с дополненной выборкой, где агент сам решает, когда и как искать информацию в документах. Проект включает интерактивный ноутбук для пошагового обучения и модульную кодовую базу, в которой можно независимо заменить LLM-провайдера, модель эмбеддингов, конвертер PDF и рабочий процесс агента.

Конвейер индексации разбивает Markdown-документы на крупные родительские фрагменты по заголовкам и небольшие дочерние фрагменты для поиска. Так запросы находят точные отрывки, а ответы формируются с учетом окружающего контекста. При обработке запроса рабочий процесс на LangGraph суммирует историю диалога, переформулирует неоднозначные вопросы и вопросы из нескольких частей, а при необходимости приостанавливается, чтобы запросить уточнение у пользователя. Параллельные подграфы агентов обрабатывают каждый подзапрос, применяя самокоррекцию и сжатие контекста, а также соблюдая жесткие ограничения на число вызовов инструментов и итераций.

Приложение запускается с Ollama для локальных моделей и использует Qdrant с гибридным поиском по плотным и разреженным векторам (BM25). В проекте есть примеры для моделей OpenAI, Anthropic и Google, а также документация по наблюдаемости с Langfuse и оценке на основе RAGAS.

Ключевые возможности

  • 01Иерархическая индексация: поиск по небольшим дочерним фрагментам с возвратом более крупных родительских фрагментов для контекста.
  • 02Переформулирование и уточнение запросов, в том числе приостановка работы, чтобы запросить у пользователя недостающие сведения.
  • 03Параллельные подграфы агентов, разбивающие сложные вопросы на подзапросы.
  • 04Самокоррекция с повторным поиском, если первоначальных результатов недостаточно.
  • 05Сжатие контекста и суммаризация диалога для сокращения промптов.
  • 06Поддержка локальной работы с Ollama и примеры для моделей OpenAI, Anthropic и Google.

Сценарии использования

  • Изучение структуры агентных RAG-процессов на LangGraph.
  • Создание прототипа чат-бота для ответов на вопросы по документам в формате PDF.
  • Основа для собственной RAG-системы, в которой нужно заменять модель или слой поиска.
  • Сравнение качества поиска и ответов с помощью оценки RAGAS.

Быстрый старт

  1. 1

    Установите Ollama с официального сайта

  2. 2

    Загрузите локальную модель по умолчанию

    ollama pull granite4.1:8b
  3. 3

    Установите зависимости Python для ноутбука (выполняйте ячейки руководства по порядку)

    pip install -qU langchain-openai

Что важно знать

  • Рабочее приложение рассчитано в первую очередь на Ollama и требует локальную модель; небольшие модели менее 8B могут галлюцинировать или игнорировать инструкции по поиску.
  • Для облачных провайдеров нужны собственный API-ключ и оплата использования.
  • В README проект описан как учебное руководство, поэтому для использования в production модульное приложение может потребовать адаптации.

Темы

Частые вопросы

Что такое agentic-rag-for-dummies?
Модульный учебный проект по Agentic RAG на LangGraph: иерархическая индексация, память диалога и уточнение запросов. Agentic RAG for Dummies — обучающий материал и расширяемый проект, который показывает, как создать систему генерации с дополненной выборкой, где агент сам решает, когда и как искать информацию в документах. Проект включает интерактивный ноутбук для пошагового обучения и модульную кодовую базу, в которой можно независимо заменить LLM-провайдера, модель эмбеддингов, конвертер PDF и рабочий процесс агента.
agentic-rag-for-dummies можно использовать бесплатно? Какая у него лицензия?
agentic-rag-for-dummies распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
agentic-rag-for-dummies всё ещё поддерживается?
Активно поддерживается. Последний коммит в agentic-rag-for-dummies — 17 окт. 2026 г..
Для чего можно использовать agentic-rag-for-dummies?
Изучение структуры агентных RAG-процессов на LangGraph. Создание прототипа чат-бота для ответов на вопросы по документам в формате PDF. Основа для собственной RAG-системы, в которой нужно заменять модель или слой поиска. Сравнение качества поиска и ответов с помощью оценки RAGAS.
Как установить agentic-rag-for-dummies?
Установите Ollama с официального сайта Загрузите локальную модель по умолчанию: ollama pull granite4.1:8b Установите зависимости Python для ноутбука (выполняйте ячейки руководства по порядку): pip install -qU langchain-openai
Где скачать agentic-rag-for-dummies?
Исходный код и инструкции по установке — на GitHub: https://github.com/GiovanniPasq/agentic-rag-for-dummies

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты