SARA 是搜索知识领域的开源项目，由 Ahren09 开发，2025 年首次发布。
它收录于搜索知识分类，该分类目前共有 585 个项目，GitHub 星标数为 262。
项目仍在小幅维护中，最近一次代码更新于 2026-09-14。Apache-2.0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：长文档问答：从多篇文档中提取关键证据并生成回答。同类可对比的替代方案包括 LangChain、LlamaIndex、RAGFlow。
SARA
给RAG瘦身：只留关键证据，生成更快更准
SARA 是 ACL 2026 论文的官方实现，聚焦检索增强生成（RAG）中的上下文压缩问题。传统 RAG 将大量检索文档直接拼接进提示词，导致成本高、噪声多、模型易被无关信息干扰。SARA 提出选择性自适应压缩机制，根据查询与文档的相关性动态筛选关键片段，并压缩冗余内容，从而在保持生成质量的同时显著降低推理开销。其核心能力包括：基于语义的段落级筛选、可学习的压缩策略、以及与主流大模型的无缝集成。项目提供完整的训练与推理代码，支持自定义检索器，适合研究者和工程师在真实场景中验证与部署。
开源
free
搜索知识
GitHub 星标
★ 262
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队Ahren09
所属国家
定价模式free
价格说明开源项目，Apache-2.0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Apache-2.0
主要语言Python
技术栈/模型ai,context-compression,context-engineering,efficiency,llm,ml,rag,retrieval-augmented-generation
GitHub 星标★ 262
30天Star增速
HF 下载量
上线时间2025-08-16 00:00:00
最近更新2026-09-14 00:00:00
维护状态维护中
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0
使用教程
核心亮点
- 自适应压缩：根据查询动态决定保留哪些上下文，而非固定截断
- 论文级实现：ACL 2026 官方代码，方法有理论支撑
- 降本增效：减少提示词 token 数，降低 API 成本与延迟
不足之处
- 早期项目，文档与示例可能不完善
- 依赖特定模型与数据处理流程，迁移需额外适配
适用场景
- 长文档问答：从多篇文档中提取关键证据并生成回答
- 成本敏感型 RAG 服务：减少大模型 API 调用费用
- 知识库检索增强：过滤噪声信息，提升回答准确率
替代项目
LangChain、LlamaIndex、RAGFlow
项目介绍
上一篇：llm-reader
下一篇：CHRONOS
同类项目推荐
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···