RAG-Survey系统收集和分类与RAG相关的学术论文，涵盖基础理论、方法分类和应用领域，为AI内容生成提供全面的研究视角，帮助研究者深入了解RAG技术的发展和应用。

高级检索增强生成(RAG)技术合集，包含10种先进RAG实现方案的详细教程。从基础的Naive RAG到高级的Adaptive RAG，提供完整的代码实现和评估方法。使用LangChain、Pinecone等主流工具，适合研究人员和开发者学习和实践RAG技术

用于实验、评估和部署基于检索增强生成 (RAG) 的系统的工具包，支持各种大语言模型 (LLM)，旨在减少 LLM 幻觉风险并提高可靠性。

META发布的综合性RAG基准测试工具，专门用于评估检索增强生成(RAG)系统的性能。

RAGxplorer是一个交互式工具，用于在嵌入空间中可视化文档块，旨在帮助用户诊断和探索Retriever-Answer Generator(RAG)模型的应用。通过该工具，用户可以上传文档并将其转换为适用于RAG应用的块格式，便于深入分析和优化模型表现。

RAG系统旨在减少大型语言模型（LLM）的幻觉性回复，并将生成的回复与其来源关联。该系统强调在操作过程中进行验证的重要性，并探讨了系统鲁棒性的演变及其在软件工程中的潜在研究方向。