ReCall

让大模型学会自己上网查资料,回答更准更及时

ReCall 是一个通过强化学习让大语言模型学会自主调用工具(如搜索引擎)的开源项目。它解决的核心问题是:当前 LLM 在需要外部信息或实时数据时,往往依赖预训练知识,导致回答过时或产生幻觉。该项目提出一种训练范式,让模型在推理过程中主动决定何时搜索、如何构造查询,并根据搜索结果修正最终答案。其核心能力包括:基于 RL 的搜索行为优化、与主流 LLM 框架的集成接口、以及配套的推理策略。项目同时包含 ReSearch 变体,专注于搜索与推理的协同训练。整体上,它为开发者提供了一套可复现的流程,用于增强模型的事实性和时效性,特别适合需要知识密集型回答的场景。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1437
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队Agent-RL
所属国家
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型agent,function-calling,llm,reinforcement-learning,tool-use
GitHub 星标★ 1437
30天Star增速
HF 下载量
上线时间2025-03-03 00:00:00
最近更新2026-09-19 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数12

使用教程

难度:进阶 约 20 分钟 部署方式:本地安装 7 步

环境要求

  • 建议使用 conda 管理环境,Python 版本 3.10
  • 需要带 CUDA 的 GPU 环境(flash-attn、faiss-gpu 依赖)
  • 能访问 GitHub 与 pip / conda 软件源
  • 如需 Wikipedia RAG 检索,需额外安装 faiss-gpu=1.8.0

安装与启动步骤

  1. 1创建 conda 环境

    按 README 推荐用 conda 建一个名为 re-call 的独立环境,Python 固定为 3.10。

    conda create -n re-call python==3.10
  2. 2激活环境

    切到刚创建的环境,后续所有安装命令都在该环境中执行,避免污染系统 Python。

    conda activate re-call
  3. 3克隆并进入仓库

    从 GitHub 拉取 ReCall 源码,并进入项目根目录 ReCall。

    git clone https://github.com/Agent-RL/ReCall.git
    cd ReCall
  4. 4安装项目依赖

    以可编辑模式安装 src/ 下的包,具体依赖见仓库中的 setup.py。

    pip3 install -e .
  5. 5安装 flash-attn

    flash-attn 需加 --no-build-isolation 参数安装,否则构建常会失败。

    pip3 install flash-attn --no-build-isolation
  6. 6可选:安装 faiss-gpu

    只有要基于 FlashRAG 搭建 Wikipedia RAG 系统时才需要,pip 装会冲突,必须用 conda。

    conda install -c pytorch -c nvidia faiss-gpu=1.8.0
  7. 7查阅官方博客

    README 的 Quick Start 未给运行命令,请先读项目 blog 了解当前版本的详细用法。

如何确认成功

README 未提供启动命令,无法给出统一验证方式;安装过程无报错即表示依赖就绪,具体运行请参照官方博客。

常见问题

Q:为什么不能用 pip 装 faiss-gpu?

A:README 明确说明 pip 安装 faiss 存在不兼容问题,需改用 conda 命令安装 faiss-gpu=1.8.0。

Q:老的 ReSearch 实现去哪了?

A:已归档到仓库的 re-search 分支,ReCall 是其继任者,可作为 ReSearch 的直接替代。

Q:必须安装 faiss-gpu 吗?

A:不是,仅在需要托管基于 FlashRAG 的 Wikipedia RAG 系统时才安装。

Q:Quick Start 为什么没有命令?

A:当前版本细节集中在官方 blog 中,README 只提示先阅读 blog,属于进行中的工作。

注意事项

  • flash-attn 必须带 --no-build-isolation 安装,否则容易构建失败。
  • faiss-gpu 建议只用 conda 安装,不要用 pip。
  • 项目仍在持续开发中(work in progress),README 只给出安装部分,使用方式以官方博客为准。
  • ReCall 支持搜索以外的任意自定义工具,是 ReSearch 的超集。

核心亮点

  • 用强化学习直接优化工具调用策略,而非简单模仿,行为更自适应
  • 同时提供 ReSearch 和 ReCall 两种训练路径,覆盖搜索与通用工具调用
  • 代码结构清晰,基于主流训练库,便于二次开发和复现实验

不足之处

  • 训练资源消耗较大,需要多卡 GPU 环境,个人开发者上手门槛高
  • 文档偏研究导向,对工程部署细节覆盖不足,实际落地需自行摸索

适用场景

  • 构建能回答实时新闻、股票等时效性问题的问答助手
  • 开发需要多步信息检索的复杂推理 Agent
  • 为垂直领域 LLM 增加外部知识库查询能力

替代项目

Toolformer、Gorilla、WebGPT

项目介绍

ReCall 是模型训练领域的开源项目,由 Agent-RL 开发,2025 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,437)位列前 30%,在模型训练分类中处于中上游。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-19。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:构建能回答实时新闻、股票等时效性问题的问答助手。同类可对比的替代方案包括 Toolformer、Gorilla、WebGPT。

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13