Retour au portfolio
Section 13

Retrieval Augmented Generation (RAG)

Conception de systèmes qui ancrent les LLM sur des données privées avec des bases vectorielles (Pinecone, FAISS).

Projets dans cette section: 0

Agentic RAG App
Retrieval Augmented Generation (RAG)GitHub

Agentic RAG App

Application RAG agentique interactive.

DocSearchAI
Retrieval Augmented Generation (RAG)GitHub

DocSearchAI

Recherche sémantique optimisée CPU avec FAISS et résumé BART.

Pinecone Serverless Reranking
Retrieval Augmented Generation (RAG)GitHub

Pinecone Serverless Reranking

Optimisation de la précision de récupération avec Pinecone Serverless.

RAG Pipeline (LangChain/Hugging Face)
Retrieval Augmented Generation (RAG)GitHub

RAG Pipeline (LangChain/Hugging Face)

Implémentation d'un pipeline RAG avec LangChain et Hugging Face.

Search System
Retrieval Augmented Generation (RAG)GitHub

Search System

Système RAG avec recherche sémantique FAISS et résumé automatique.

Tellow RAG
Retrieval Augmented Generation (RAG)GitHub

Tellow RAG

Système RAG documentaire universel avec LanceDB et Docling.

Vector DB Benchmark
Retrieval Augmented Generation (RAG)GitHub

Vector DB Benchmark

Benchmark des bases vectorielles : FAISS vs ChromaDB.

VEV RAG
Retrieval Augmented Generation (RAG)GitHub

VEV RAG

RAG agentique haute performance avec recherche hybride, exécuté à 100 % en local sur CPU.