Implémenter une recherche sémantique avec Qdrant en Python
Indexer des textes avec leurs embeddings dans Qdrant, interroger les voisins proches et filtrer les résultats par métadonnées.
Répertoire
Tutoriels
Progressez étape par étape avec des exemples concrets, accessibles et vérifiables.
RAG multimodal : indexer images et texte avec LlamaIndex
Construire un index qui retrouve des passages et des images, puis assemble un contexte multimodal traçable pour répondre à une question.
Construire une recherche sémantique avec pgvector et Python
Stocker des embeddings dans PostgreSQL, créer un index vectoriel et interroger les documents proches avec filtres métier.
Construire un pipeline RAG avec Haystack 2
Créer deux pipelines Haystack : indexation des documents puis retrieval et génération avec composants testables.
Configurer RAGFlow pour indexer des documents
Déployer RAGFlow, créer un dataset, régler le parsing et contrôler les chunks avant de lancer les requêtes.
Construire un RAG avec LlamaIndex
Charger des documents, créer un index vectoriel, inspecter les sources et obtenir une réponse citée avec LlamaIndex.
Construire un RAG minimal avec LangChain et Chroma
Indexer quelques documents dans Chroma, retrouver les passages pertinents et générer une réponse courte avec sources.
Construire un pipeline RAG visuel avec Langflow
Assembler ingestion, découpage, embeddings, retrieval et génération dans Langflow, puis tester les sources avant publication.
Créer un chatbot RAG avec Dify
Créer une base de connaissances Dify, contrôler les chunks et construire un chatbot avec citations et comportement d’abstention.