ReCall

让大模型学会自己上网查资料,回答更准更及时

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 90 🐛 待处理 31 👀 关注 11
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1446
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,可自行部署使用。

项目预览

ReCall 项目界面预览图
图片来源:项目官网

项目数据

分类开源模型
开发团队Agent-RL
定价模式🏷️完全免费
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🔧 仅开源项目,无在线服务,需自行部署
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★ 1446
上线时间2025-03-03 00:00:00
代码更新2025-05-16
仓库体积4.0 MB
本站数据更新2026-11-12
维护状态低维护
收录时间2026-08-09
浏览次数13

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1446

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

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

同类项目推荐

flow-matching 开源

用流匹配快速训练图像生成模型,替代扩散模型

Flow Matching implemented in PyTorch

★ 131 2026-08-09
Repo2RLEnv 开源

任意仓库一键变可验证 RL 训练环境,边训边评测

Turn any repository into verifiable RL environments for coding agents - Harbor tasks···

★ 782 2026-10-04
chatterbox-finetuning 开源

用你的数据训练专属多语言语音模型,支持声音克隆。

Fine-tuning toolkit for Chatterbox TTS & Chatterbox TURBO & Chatterbox NANO models. ···

★ 120 2026-08-09
Model-Optimizer 开源

一站式压缩大模型,导出即加速推理

A unified library of SOTA model optimization techniques like quantization, distillat···

★ 5587 2026-10-07
kedro-mlflow 开源

在 Kedro 管道中一键启用 MLflow 实验追踪与模型版本管理

A kedro-plugin for integration of mlflow capabilities inside kedro projects (especia···

★ 237 2026-08-09
Agent-FLAN 开源

让大模型学会用工具,微调数据与方法一键搞定

[ACL2024 Findings] Agent-FLAN: Designing Data and Methods of Effective Agent Tuning ···

★ 363 2026-08-09
OneGen 开源

一次前向传播,边生成边检索,让 LLM 知识问答更快更准。

[EMNLP 2024] OneGen: Efficient One-Pass Unified Generation and Retrieval for LLMs.

★ 149 2026-08-09
hf_ehr 开源

用 EHR 数据微调 HuggingFace 模型,快速构建医疗预测应用

Training HuggingFace models on EHR data

★ 55 2026-08-09
lora-prompt-tool 开源

管理 LoRA 触发词,自动补全提示词,提升出图效率。

A Stable Diffusion webUI extension for manage trigger word for LoRA or other model

★ 256 2026-08-09