一图看懂智能体RAG，快速入门前沿技术
AgenticRAG-Survey 是一份关于智能体检索增强生成（Agentic RAG）的系统性综述，聚焦于将大语言模型智能体与检索增强生成技术深度融合的前沿方向。该项目系统梳理了 Agentic RAG 的架构范式、核心组件（如规划、推理、工具调用、记忆管理）及典型应用场景，并对比了传统 RAG 与智能体驱动 RAG 的差异，旨在解决传统 RAG 在复杂多跳推理、动态信息整合和自适应决策上的局限。项目以结构化文档和图表形式呈现，为研究者提供清晰的技术图谱，帮助快速理解该领域的关键技术脉络、代表性方法和未来挑战。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆仓库
把综述仓库完整下载到本地，含 README、图表等配套材料。仓库体积以图片为主，克隆时保持网络畅通。
git clone https://github.com/asinghcsu/AgenticRAG-Survey.git2进入目录
切换到克隆下来的仓库目录，后续所有阅读操作都在这个目录内进行。
cd AgenticRAG-Survey3浏览文档目录
打开 README.md，按目录顺序阅读；重点关注第 4 节的 Agentic Workflow Patterns（2025-02-04 新增）。
4阅读综述论文
README 中提供了配套论文链接，可在线查看或下载 PDF，与仓库图表对照阅读。
本地出现 AgenticRAG-Survey 目录，能正常打开 README.md 并看到其中的图表与论文链接。
Q：这个仓库需要安装依赖或启动服务吗？
A：不需要。它是综述论文的配套材料仓库，以 Markdown 文档、图表和论文链接为主，克隆后直接阅读即可，无运行类命令。
Q：论文在哪里获取？
A：README 中给出了 arXiv 链接 https://arxiv.org/pdf/2501.09136，可直接在线查看或下载 PDF。
Q：如何获取最新更新？
A：在仓库目录执行 git pull 拉取最新提交；README 顶部会标注 Recent Update 时间与新增内容。
Q：没有代码，怎么理解 Agentic RAG 的架构？
A：按 README 目录顺序阅读，先看总览图，再进入分类体系与第 4 节的智能体工作流模式，结合论文对照学习。
Awesome-RAG、Awesome-LLM-RAG、RAG-Survey
AgenticRAG-Survey 是搜索知识领域的开源项目，由 asinghcsu 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（1,734）位列前 30%，在搜索知识分类中处于中上游。
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 2026-09-16。无在线服务，需自行部署，完全免费。
它主要面向的使用场景是：研究者快速调研AgenticRAG领域现状。同类可对比的替代方案包括 Awesome-RAG、Awesome-LLM-RAG、RAG-Survey。
上一篇：raptor
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···