大家好，又见面了，我是 GitHub 精选君！

项目背景

检索增强生成(RAG) 是一种使用来自私有或专有数据源的信息来辅助文本生成的技术。 它将检索模型（设计用于搜索大型数据集或知识库）和生成模型（例如大型语言模型 LLM）结合在一起。然而，对于大多数开发者来说，创建和部署 AI 应用时依然面临着许多问题，如数据管理困难，数据嵌入的生成与存储问题，以及建立互动对话在用户体验上的挑战。这些问题都阻碍了 AI 应用的快速开发和部署，其实本质上也就是以上 RAG 的流程不是很容易搞定。

今天要给大家推荐一个 GitHub 开源项目 embedchain/embedchain，该项目在 GitHub 有超过 6.5k Star，用一句话介绍该项目就是：“The Open Source RAG framework”。

项目介绍

Embedchain 是一个开源的 RAG 框架，倡导的设计原则是”常规但可配置”，旨在为软件工程师和机器学习工程师提供便捷。Embedchain 能够简化 RAG 应用的创建流程，无缝管理各类无结构化数据。它可以有效地将数据切分成易于管理的段落，生成相应的嵌入，并将其存储在向量数据库中以实现优化检索。通过多样化的 API 集合，用户能够提取上下文信息，查找准确答案，或参与互动聊天会话，所有这些都能够量身定制来满足自己的数据要求。

如何使用

Embedchain 的安装使用方便快捷，你只需要通过 pip install embedchain 就可以进行安装。这里提供一个用 Embedchain 创建 Elon Musk 机器人的示例代码：

import os
from embedchain import App

# Create a bot instance
os.environ["OPENAI_API_KEY"] = "YOUR API KEY"
elon_bot = App()

# Embed online resources
elon_bot.add("https://en.wikipedia.org/wiki/Elon_Musk")
elon_bot.add("https://www.forbes.com/profile/elon-musk")

# Query the bot
elon_bot.query("How many companies does Elon Musk run and name those?")
# Answer: Elon Musk currently runs several companies. As of my knowledge, he is the CEO and lead designer of SpaceX, the CEO and product architect of Tesla, Inc....

项目推介

Embedchain 的团队非常重视社区的交流与反馈，有 Slack 和 Discord 社区供开发者交流，也可安排 1 对 1 会议与创始人交流反馈，体现出极强的社区参与精神。

以下是该项目 Star 趋势图（代表项目的活跃程度）：

更多项目详情请查看如下链接。

开源项目地址：https://github.com/embedchain/embedchain

开源项目作者：embedchain

以下是参与项目建设的所有成员：

关注我们，一起探索有意思的开源项目。