Retour au portfolio
Section 12

Retrieval Augmented Generation (RAG)

Architecting systemes that ground LLMs in private donnees utilisant Vector Databases (Pinecone, FAISS).

Projets dans cette section: 0

Pilaw.io
Retrieval Augmented Generation (RAG)Lien externe

Pilaw.io

scalable RAG platform avec hybrid recherche et reranking.

VEV RAG
Retrieval Augmented Generation (RAG)GitHub

VEV RAG

High-performance agentic RAG avec hybrid recherche running 100% locally on CPU.

Tellow RAG
Retrieval Augmented Generation (RAG)GitHub

Tellow RAG

Universal document RAG systeme avec LanceDB et Docling.

DocSearchAI
Retrieval Augmented Generation (RAG)GitHub

DocSearchAI

CPU-optimized semantic recherche avec FAISS et BART summarization.

Recherche System
Retrieval Augmented Generation (RAG)GitHub

Recherche System

RAG systeme avec FAISS semantic recherche et automatic summarization.

Agentic RAG Application
Retrieval Augmented Generation (RAG)Chemin local

Agentic RAG Application

interactif RAG application.

Pinecone Serverless Reranking
Retrieval Augmented Generation (RAG)Chemin local

Pinecone Serverless Reranking

Optimization of retrieval precision.

RAG Pipeline (LangChain/Hugging Face)
Retrieval Augmented Generation (RAG)Chemin local

RAG Pipeline (LangChain/Hugging Face)

implementation of a retrieval systeme.

Vector DB Benchmark
Retrieval Augmented Generation (RAG)Chemin local

Vector DB Benchmark

FAISS vs ChromaDB comparaison.