All-in-RAG 是 Datawhale 维护的 RAG 中文教程仓库，按数据准备、索引、检索、生成、评估和项目实战组织内容。它提供在线文档和各章 Python 示例，适合已有 Python 基础、准备系统学习 RAG 的开发者。
来源：github.com/datawhalechina/all-in-rag；https://datawhalechina.github.io… 查看 GitHub 仓库 → 📘 使用教程 →仓库把分散的 RAG 环节编成中文学习路径，并包含 LangChain、LlamaIndex、Milvus、Text2SQL、评估和知识图谱等章节，因此适合从最小示例继续读到完整项目。
来源：github.com/datawhalechina/all-in-rag/blob/main/README_en.md目录从文档加载和分块开始，继续讲嵌入、向量库、混合检索、生成与评估，章节顺序对应常见 RAG 工程链路。
来源：github.com/datawhalechina/all-in-rag/blob/main/README_en.md第一章示例使用本地 Markdown、BGE 中文嵌入、内存向量库和模型 API 跑通加载、索引、检索、生成四步。
来源：github.com/datawhalechina/all-in-rag/blob/main/docs/chapter1/03_get_s…后续内容涉及多模态嵌入、Milvus、混合检索、Text2SQL、系统评估和知识图谱 RAG。
来源：github.com/datawhalechina/all-in-rag/blob/main/README_en.md仓库的 docs 目录保存教程，code/Cx 保存对应章节示例，data 提供样例数据，models 用于本地模型文件。学习路径由输入与分块进入索引和检索，再接生成、评估及项目实践。它是一套教程材料，不是可直接部署的统一服务。
来源：github.com/datawhalechina/all-in-rag/blob/main/README_en.md；https://g…PyTorch 2.6sentence-transformersMilvus 2.5FAISS / ChromaUnstructured适合建立 RAG 全流程知识框架、跟做中文示例、比较不同检索方案，以及把评估和知识图谱章节当作后续实验入口。它不提供开箱即用的生产服务；上线前仍需自行补访问控制、数据清理、离线评测、监控和成本约束。
来源：github.com/datawhalechina/all-in-rag/blob/main/README_en.md；https://g…截至 2026-09-23，GitHub Releases 页面没有正式发行版。README 展示 Python 3.12.7，准备章节同样用 Python 3.12.7 建环境；教程与依赖应以当前 main 分支为准，并在复现实验时固定 commit。
来源：github.com/datawhalechina/all-in-rag/releases；https://github.com/data…status: official_docs_checked_not_run | checked_at: 2026-09-23 | environment: 核对官方 README、在线文档、准备章节、第一章示例、requirements.txt 与 GitHub Releases | limitations: 未安装依赖、未下载嵌入模型、未配置模型 API key，也未运行任何示例或评估结果 | observed_output: 官方准备章节指定 Python 3.12.7 并从 code/requirements.txt 安装；第一章以 code/C1/01_langchain_example.py 跑四步 RAG；Releases 页面没有正式版本
来源：github.com/datawhalechina/all-in-rag/blob/main/docs/chapter1/02_prepa…LangChain 官方 Retrieval 文档以当前框架 API 为中心，介绍 loaders、splitters、embeddings、vector stores，以及 2-Step、Agentic 和 Hybrid RAG 的选择。All-in-RAG 更像一门中文课程，跨 LangChain、LlamaIndex、Milvus、Text2SQL、评估与图 RAG 排课。要查最新 LangChain 接口应直接看官方文档；要按中文路径从基础连续练到进阶，可用 All-in-RAG。
来源：docs.langchain.com/oss/python/langchain/retrieval；https://github.com/…All-in-RAG 适合作为中文 RAG 学习主线。先跑第一章的小样例，再按需求进入检索、评估或图 RAG 章节。准备实际服务时，把教程当作实验起点，并另行补齐数据权限、基准集、监控和成本控制。
来源：github.com/datawhalechina/all-in-rag；https://datawhalechina.github.io…没有。项目的 GitHub Releases 页面为空，内容随 main 分支和在线文档滚动更新；引用教程时最好记录提交日期或 commit。
按准备章节创建 Python 3.12.7 环境并安装 code/requirements.txt，然后进入 code/C1 运行 01_langchain_example.py。
官方示例说明首次运行会下载 BAAI/bge-small-zh-v1.5 嵌入模型，同时调用配置好的模型 API。
仓库声明采用 CC BY-NC-SA 4.0，其中包含非商业性使用条件。商业复用教程内容或示例前，应先核对许可范围。