RAG

MaxKB v2 全方位学习教程，从功能使用到源码深度剖析。详解企业级智能体平台的 RAG 检索增强、工作流引擎、模型中立、无缝嵌入四大核心能力，覆盖技术栈、架构设计、源码实现与生产部署。

LlamaIndex 面试八股文 100 题全解析，面向大厂 AI/RAG 工程师岗位，覆盖基础概念、数据加载、索引构建、检索策略、查询引擎、Agent 工具化、评估优化、生产部署等核心模块，含 Python 代码示例与速记清单。

基于 LlamaIndex v0.14.22 最新稳定版的精通教程，全面覆盖生态系统（LlamaParse/LlamaAgents/LlamaHub）、安装配置、核心抽象、数据加载、索引构建、检索策略、查询引擎、Agent 开发、Workflow 编排与生产部署。

基于 LlamaIndex 源码深度剖析全部 14 种索引类型，涵盖 VectorStoreIndex、SummaryIndex、TreeIndex、KeywordTableIndex、KnowledgeGraphIndex、PropertyGraphIndex 等，详解构建原理、检索策略、内部组件与实战选型建议。

Chroma 向量库面试突击专用指南，30+ 高频面试题全覆盖，含面试前 30 分钟速记清单、核心概念（Collection/WAL/HNSW）、基本 API 操作、高级功能、架构原理与性能优化、必踩坑点、项目场景题与向量库选型对比。

本文按核心框架、向量数据库、嵌入模型、文档处理、检索增强、评估工具、GraphRAG、低代码平台、Agentic RAG九大维度，整理2026年RAG技术生态的主流开源项目，便于快速选型与落地。 一、核心RAG框架（全流程编排） 项目名称 GitHub星数 核心优势 适用场景 开源协议 GitHub