微信扫码
添加专属顾问
我要投稿
SimpleRAG是基于WPF与Semantic Kernel实现的一个简单的RAG应用,可用于学习与理解如何使用Semantic Kernel构建RAG应用。
GitHub地址:https://github.com/Ming-jiayou/SimpleRAG
支持所有兼容OpenAI格式的大语言模型:
支持所有兼容OpenAI格式的嵌入模型:
简单的RAG回答效果:
对比不使用RAG的回答:
git clone到本地,打开appsettings.example.json文件:
如下所示:
ChatAI用于配置对话模型,Embedding用于配置嵌入模型,TextChunker用于配置文档切片大小。
还是以SiliconCloud为例,只需填入你的api key 并将文件名改为appsettings.json,或者新建一个appsettings.json即可。
配置完成如下所示:
IDE:VS2022
.NET 版本:.NET 8
打开解决方案,项目结构如下所示:
运行程序:
测试AI聊天:
测试嵌入:
使用的是Sqlite保存向量,可以在Debug文件夹下找到这个数据库:
打开该数据库,如下所示:
测试RAG回答:
您还可以自由的进行其他配置,比如使用Ollama中的对话模型与嵌入模型用于本地离线场景,配置其他的在线对话模型,使用本地Ollama中的嵌入模型等。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-06-15
一个"知识库质检工具"
2026-06-12
不要只是搭建:RAG 不是上传文档然后问答那么简单
2026-06-12
3.1万Star!PageIndex:不用向量数据库,RAG准确率做到98.7%
2026-06-11
AI落地实战:企业RAG全链路实施方案
2026-06-11
你的 RAG 在 10 个文档上跑得好好的,放到 1000 万就崩了
2026-06-11
主流RAG技术全景 -- 从Naive到Agentic
2026-06-10
如何构建一个更“好”的知识库?
2026-06-10
7.9K星:Google黑科技TurboQuant开源实现,Rust重写向量检索提速30倍
2026-03-23
2026-04-06
2026-03-20
2026-03-18
2026-04-27
2026-04-02
2026-03-31
2026-03-21
2026-03-17
2026-04-23
2026-06-10
2026-06-10
2026-05-20
2026-05-18
2026-05-11
2026-05-07
2026-05-06
2026-04-27