基于大模型的知识库问答平台，开箱即用数据处理、RAG 检索和可视化 AI 工作流编排，无需复杂配置即可搭建复杂问答系统。

面向零基础开发者的大模型应用开发教程，手把手带你用 LangChain 搭建 RAG 应用，从调用 API 到构建知识库问答系统。

基于 Langchain 和 ChatGLM、Qwen、Llama 等本地大模型搭建的知识库问答应用，支持 RAG 检索增强与 Agent 能力，可离线部署私有文档问答系统。

生产可用的智能体式 RAG 检索系统，提供 RESTful API，帮开发者快速搭建带检索增强的问答与搜索服务。

本地优先的深度研究问答系统，接 llama.cpp、Ollama 等本地或云端模型，聚合 arXiv、PubMed 及私有文档等十余个检索源，全程加密。

基于 Transformers 的 Python 训练库，把文本分类、NER、问答、信息检索、语言生成、多模态和对话 AI 等任务的训练与推理流程统一封装，省去手写训练循环的麻烦。

基于 PyTorch 的 Transformers 库入门教程，手把手演示文本分类、NER、问答、摘要等常见 NLP 任务的训练与微调流程。

基于 Next.js、OpenAI 和 Supabase 的文档搜索模板，帮你快速搭一个 ChatGPT 风格的问答式文档检索站。

TrustRAG 是一个强调可靠输入与可信输出的 RAG 框架，帮你在检索增强生成流程里控制数据质量、减少幻觉，适合搭建可溯源的知识问答系统。

爬取网页或读取 PDF、DOCX、TXT 并抽取正文，再用向量检索让 ChatGPT 基于内容回答问题或生成摘要。

基于 ReAct 推理-行动循环的 RAG 问答系统，支持多跳推理，用 Weaviate 检索、重排序和 FastAPI 服务搭建智能问答后端。

汇总图神经网络在自然语言处理领域应用的最新论文清单，覆盖图注意力、异构图、知识图谱与问答等方向，方便快速跟进相关研究进展。