RAG 学习与实践项目

本项目为 RAG（Retrieval-Augmented Generation，检索增强生成） 的完整学习与实践仓库，覆盖从基础概念到生产级应用的完整技术栈，并包含多框架 Agent、图式工作流与实验性 RAG 改进（如 CRAG、GraphRAG、Agentic RAG）。

---

目录

• 项目结构
• 核心项目
  • AgenticRAG（新）
  • LangChain_RAG_Proj
  • LangChain_Tutorial_Fast
  • LangGraph
  • PydanticAI
  • PydanticGraph
  • Agents（多模态）
  • Agno
  • Experiment（实验与场景）
• 技术栈
• 安装与环境配置
• 学习路径与快速开始
• 文档资源

---

项目结构

RAG/
├── AgenticRAG/                # Agentic RAG 学习（新）
│   ├── demo.py                # MVP 示例（DashScope Embedding + gpt-5.4）
│   ├── AgenticRAG论文汇总.md
│   └── README.md
├── Agents/                    # 多模态 Agent（Agno + Gemini / Ollama）
│   └── multimodal_agent/
├── Agno/                      # Agno 框架入门与助手
│   ├── 00_Get_Started/
│   └── 01_Assist_Agent/
├── LangChain_Tutorial_Fast/   # LangChain 快速教程（31 个示例）
├── LangChain_RAG_Proj/        # 完整 RAG 项目（生产级）
├── LangGraph/                 # LangGraph 图式编程
│   ├── 00–06_*.py             # Hello World、多输入、条件图、循环图
│   ├── Offcial_Tutorial/      # 官方教程（00–09）：快速开始、并行化、路由、Orchestrator、Agent 等
│   └── Archive/               # freeCodeCamp 课程归档（Agents、Exercises、Graphs）
├── PydanticAI/                # PydanticAI 框架实践
├── PydanticGraph/             # Pydantic Graph 图式工作流
├── Experiment/                # 实验与场景示例
│   ├── graph-rag-agent/       # GraphRAG + DeepSearch 多 Agent（Neo4j）
│   ├── CRAG/                  # 纠正式 RAG（FastAPI + Streamlit）
│   ├── VideoCut/              # 智能视频合成（LangGraph + FFmpeg）
│   ├── LongRuiGame/           # 游戏玩家智能问答（RAG + 工具调用）
│   ├── Obsidian/              # Obsidian 知识库（LlamaIndex + Ollama）
│   ├── NanoBat/               # Qwen 驱动轻量助手（通义 API）
│   └── Batnet.py              # 终端 Matrix 风格动态演示
├── Archive/                   # 历史代码归档
├── Data/                      # 测试数据（JSON、TXT）
├── pyproject.toml             # uv 依赖管理
└── requirements.txt

---

核心项目

1. AgenticRAG（新）

AgenticRAG/ — Agentic RAG 学习目录，探索让模型在多步推理中自主决定何时检索、检索什么、如何修正答案。

文件	说明
demo.py	MVP 示例：DashScope text-embedding-v1 + gpt-5.4，自建向量库，单轮 Agentic 推理
AgenticRAG论文汇总.md	核心论文（Self-RAG、CRAG、IRCoT 等）整理与解读
README.md	概念对比、学习路径、核心概念速查、自测清单

# 配置网关与密钥后直接运行
cd AgenticRAG
uv run python demo.py

---

2. LangChain_RAG_Proj（推荐入门）

企业级 RAG 应用，包含知识库管理（上传、向量化、去重）、智能问答（RAG + 对话历史）、Streamlit Web 界面与持久化存储。

cd LangChain_RAG_Proj
streamlit run app_qa.py
streamlit run app_file_uploader.py   # 知识库上传

详见 LangChain_RAG_Proj/README.md。

---

3. LangChain_Tutorial_Fast

31 个循序渐进示例：

编号	内容
01–10	基础 LLM / Embedding / 模型接入
11–16	Prompt 模板与 Chat 模型
17–20	Chain 与输出解析器
21–23	对话历史与记忆
24–31	完整 RAG 流程（文档加载、分块、向量检索）

cd LangChain_Tutorial_Fast
python 01_LLM.py

---

4. LangGraph

图式编程示例，分两个层次：

基础练习（根目录，00–06_*.py）：

文件	说明
00_HelloWorld_Graph.py	最小图 Hello World
02_Multi_Inputs.py / 04_Multi_Inputs.py	多输入图
05_ConditionalGraph.py	条件边
06_LoopingGraph.py	循环图

官方教程（Offcial_Tutorial/，00–09_*.py）：

文件	说明
00_quickstart.py	快速开始
01_StructedOutputSchema.py	结构化输出
02_Parallelization.py	并行节点
03_Routing.py	动态路由
04_Orchestrator.py / 05_Orchestrator2.py	编排器模式
05_Evaluator-optimizer.py	评估器 + 优化器
06_Agents.py	Agent 节点
07/08_PersonalAssistants*.py	个人助手（OpenAI / Ollama）
09_CustomRAG.py	自定义 RAG 图

归档课程（Archive/LangGraph-Course-freeCodeCamp/）：freeCodeCamp LangGraph 完整课程，含 Agents、练习 Notebooks 与 Graphs。

---

5. PydanticAI

类型安全 AI 应用框架实践：入门与模型接入、多工具 Agent、结构化输出与流式、ChatApp、BankSupport、SQL 生成与 RAG（pgvector）、AG-UI、复杂工作流。

详见 PydanticAI/README.md。

---

6. PydanticGraph

图式状态机与 DAG：售货机、邮件反馈、问答图、Mermaid 图导出。

cd PydanticGraph
python vending_machine.py

---

7. Agents（多模态 Agent）

基于 Agno 的多模态 Agent（Streamlit），支持 Gemini、Ollama，处理视频、图像与文本。

---

8. Agno

Agno 框架入门与助手型 Agent：

• 00_Get_Started/：HelloAgno、Learning、SQLite 持久化、Agentic / CrossUser
• 01_Assist_Agent/：助手型 Agent

cd Agno/00_Get_Started
python 00_HelloAgno.py

---

9. Experiment（实验与场景）

子目录	说明	文档
graph-rag-agent/	GraphRAG + DeepSearch 多 Agent 问答：知识图谱、多级检索、Plan-Execute-Report、Neo4j、FastAPI + Streamlit	readme.md
CRAG/	纠正式 RAG：检索评估 → Correct / Incorrect / Ambiguous → 知识精炼或网络搜索；FastAPI + Streamlit，MinerU PDF	README.md
VideoCut/	智能视频合成与防重复：LangGraph 状态图、分镜脚本（YAML）、素材库、FFmpeg	README.md
LongRuiGame/	游戏玩家智能问答：RAG（game_faq.json）+ 工具调用、模糊问题反问、问答日志	README.md
Obsidian/	Obsidian 知识库：LlamaIndex + Ollama（qwen3-vl / qwen3-embedding），增量索引与本地问答	—
NanoBat/	Qwen 驱动轻量助手：通义千问 API，单进程 CLI，可扩展技能（Skills），SQLite 记忆	README.md
Batnet.py	终端 Matrix 风格动态网络可视化演示（纯 Python，ANSI）	—

---

技术栈

类别	技术
框架	LangChain、LangGraph、PydanticAI、Pydantic Graph、Agno、LlamaIndex
LLM	OpenAI（gpt-5.4）、Ollama（qwen3、qwen3-vl）、阿里云百炼（DashScope）、Google Gemini
Embedding	DashScope text-embedding-v1、Ollama qwen3-embedding:4b、OpenAI text-embedding-ada-002
向量/存储	Chroma、pgvector、InMemoryVectorStore、自建 NumPy 向量库
Web / 服务	Streamlit、FastAPI
图数据库	Neo4j（graph-rag-agent）
其他	MinerU（PDF）、FFmpeg（VideoCut）、SQLite（NanoBat / Agno 记忆）
包管理	uv（推荐） / pip

---

安装与环境配置

使用 uv（推荐）

# 在仓库根目录
uv sync                      # 按 pyproject.toml 安装所有依赖
uv add <包名>                 # 添加新依赖
uv run python <脚本.py>       # 运行脚本

使用 pip

pip install langchain langchain-community langchain-openai langchain-text-splitters langgraph
pip install streamlit pydantic-ai pydantic-graph
pip install openai dashscope langchain-ollama llama-index
pip install pypdf python-docx agno numpy

子项目独立依赖见各目录的 requirements.txt（CRAG、VideoCut、graph-rag-agent、NanoBat 等）。

环境变量

用途	变量	说明
阿里云百炼	DASHSCOPE_API_KEY	DashScope 模型（通义千问、Embedding）
OpenAI / 兼容网关	OPENAI_API_KEY	GPT 系列；可配合 OPENAI_BASE_URL 使用第三方网关
Ollama	无需 Key	本地 http://localhost:11434，需先 ollama pull <model>
Gemini	应用内或环境变量配置	多模态示例

Ollama 常用模型

ollama pull qwen3:4b
ollama pull qwen3-embedding:4b   # 向量化
ollama pull qwen3-vl:4b          # 多模态（可选）

---

学习路径与快速开始

推荐路径

LangChain_Tutorial_Fast (01→31)
       ↓
LangChain_RAG_Proj（生产级 RAG）
       ↓
LangGraph/Offcial_Tutorial (00→09)
       ↓
AgenticRAG（Agentic 推理）
       ↓
PydanticAI / Agno（多框架对比）
       ↓
Experiment/*（CRAG、GraphRAG、VideoCut 等实验）

快速启动命令

目标	命令
LangChain 教程	cd LangChain_Tutorial_Fast && python 01_LLM.py
RAG 问答 Web	cd LangChain_RAG_Proj && streamlit run app_qa.py
LangGraph 基础	cd LangGraph && python 00_HelloWorld_Graph.py
LangGraph 官方教程	cd LangGraph/Offcial_Tutorial && python 00_quickstart.py
AgenticRAG Demo	cd AgenticRAG && uv run python demo.py
PydanticAI	cd PydanticAI/00_Preparation && python HelloPydanticAI.py
PydanticGraph	cd PydanticGraph && python vending_machine.py
Agno	cd Agno/00_Get_Started && python 00_HelloAgno.py
CRAG	cd Experiment/CRAG && streamlit run app_streamlit.py
graph-rag-agent	cd Experiment/graph-rag-agent && uvicorn server.main:app --reload
VideoCut	cd Experiment/VideoCut && uvicorn api.main:app --reload
LongRuiGame 问答	cd Experiment/LongRuiGame/scene1_player_qa && python player_qa_agent.py
Obsidian 知识库	修改 vault 路径 → python Experiment/Obsidian/obsidian_loader.py → python obsidian_agent.py
NanoBat 助手	cd Experiment/NanoBat && cp .env.example .env，填写 DASHSCOPE_API_KEY → python main.py
Batnet 演示	python Experiment/Batnet.py

---

文档资源

子项目文档

项目	文档
AgenticRAG	AgenticRAG/README.md
LangChain_RAG_Proj	LangChain_RAG_Proj/README.md
PydanticAI	PydanticAI/README.md
graph-rag-agent	Experiment/graph-rag-agent/readme.md
CRAG	Experiment/CRAG/README.md
VideoCut	Experiment/VideoCut/README.md
LongRuiGame	Experiment/LongRuiGame/README.md
NanoBat	Experiment/NanoBat/README.md
LangGraph freeCodeCamp	LangGraph/Archive/LangGraph-Course-freeCodeCamp/README.md

官方文档

框架	链接
LangChain	python.langchain.com
LangGraph	langchain-ai.github.io/langgraph
PydanticAI	ai.pydantic.dev
Agno	docs.agno.com
LlamaIndex	docs.llamaindex.ai
OpenAI	platform.openai.com/docs
DashScope	help.aliyun.com/zh/dashscope

---

贡献与许可

欢迎提交 Issue 与 Pull Request。本项目仅用于学习与研究。

作者: Beamus Wayne
最后更新: 2026-04-02