共 6 条相关资源。
Datawhale 出品的中文 LLM 应用开发教程：从 API 调用到 Prompt 工程、RAG 知识库、Vector 检索、LangChain 应用与部署，全程围绕一个「知识库助手」项目实战。Datawhale's Chinese LLM application course: from API calls to prompt engineering, RAG, vector search and LangChain, built around one knowledge-base assistant project.
以数据为中心的 LLM 框架：RAG 索引、检索、文档解析能力业界最全，现已扩展出 Agent 工作流（Workflows），是知识库类应用的首选底座。The data-centric LLM framework: the richest RAG indexing/retrieval toolchain, now extended with agent workflows.
开源 LLM 应用开发平台：可视化编排工作流、内置 RAG 知识库、Agent 与模型管理，国产开源明星项目，企业落地案例多。Open-source LLM app platform with visual workflow, built-in RAG knowledge base, agents and model management.
国产开源 RAG 引擎：以深度文档解析见长（表格、扫描件、复杂版式），提供可视化知识库与可溯源引用，中英文场景表现好。Open-source RAG engine with deep document parsing (tables, scans, complex layouts) and traceable citations.
拖拽式 LLM 应用构建器：节点画布编排 Agent、RAG 与 API，可自托管、可导出为 API，适合快速交付内部 AI 工具。Drag-and-drop LLM app builder: node canvas for agents, RAG and APIs, self-hostable and exportable as an API.
微软的图谱增强 RAG 方案：先抽取实体关系构建知识图谱，再结合社区摘要回答全局性问题，适合大文档集的「总结型」问答。Microsoft's graph-based RAG: build a knowledge graph then answer global, summarization-style questions over large corpora.