掌握 RAG 进阶技巧，让 AI 检索更精准、回答更可靠
rag-cookbooks 是一个专注于检索增强生成（RAG）系统的高级技术集合，以 Jupyter Notebook 形式呈现。它旨在解决 RAG 系统在实际落地中遇到的复杂问题，如检索质量不佳、上下文理解不足、多文档处理困难等。项目提供了多种经过验证的进阶技术方案，包括但不限于高级检索策略、上下文压缩、查询改写、重排序、混合搜索等。每个 notebook 都包含详细的代码实现和解释，帮助开发者理解并快速应用这些技术到自己的项目中。核心能力在于将零散的 RAG 优化技巧系统化、模块化，形成可复用的知识库，降低开发者试错成本，提升 RAG 应用的准确性和鲁棒性。
⚠ 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
README 提供的第一步，把 rag-cookbooks 仓库完整下载到本地当前目录。
git clone https://github.com/athina-ai/rag-cookbooks.git2进入项目目录
切换到刚克隆出来的 rag-cookbooks 目录，后续操作都在此目录内进行。
cd rag-cookbooks3启动 Jupyter
README 说明各技术要按 notebook 逐步实现，需用 Jupyter 打开 .ipynb 文件。此命令为通用启动方式，README 未明确写出。
jupyter notebook4按顺序阅读实践
README 建议从 naive RAG 起步，逐步进阶到高级与 agentic 技术，每个 notebook 内含代码与说明，并附有对应论文参考。
Jupyter 在浏览器打开后，文件列表中能看到仓库内的 .ipynb 文件并可正常打开，即表示准备就绪。
Q：需要安装哪些 Python 依赖？
A：README 未给出依赖安装说明，请以每个 notebook 内实际 import 与其中的安装语句为准，自行安装对应包。
Q：需要 OpenAI 等模型的 API Key 吗？
A：README 节选中未说明配置方式与密钥要求，请查看具体 notebook 中的说明与代码。
Q：从哪里开始学比较好？
A：README 建议先看 naive RAG 作为基础，再依次学习高级与 agentic 技术。
langchain、llama_index、haystack
rag-cookbooks 是搜索知识领域的开源项目，由 athina-ai 开发，2024 年首次发布。
在全站 13,109 个收录项目中，它的 GitHub 星标数（2,571）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 2026-09-23。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：开发企业级知识库问答系统，需要提升检索准确率。同类可对比的替代方案包括 langchain、llama_index、haystack。
上一篇：Awesome-GraphRAG
下一篇：PIKE-RAG
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···
WeKnora
开源
文档往里一扔，自动变成啥都能答的知识库
Open-source LLM knowledge platform: turn raw documents into a queryable RAG, an auto···