LogicRAG 是搜索知识领域的开源项目，由 chensyCN 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 236。
项目仍在小幅维护中，最近一次代码更新于 2026-09-01。GPL-3.0许可证，可自由使用和部署，无付费版本。
它主要面向的使用场景是：多跳问答系统。同类可对比的替代方案包括 Self-RAG、CRAG、GraphRAG。
LogicRAG
给RAG装上逻辑引擎，让复杂推理更准更可解释
LogicRAG 是一个面向知识密集型任务的检索增强生成（RAG）框架，其论文发表于 AAAI'26。它旨在解决传统 RAG 在复杂推理任务中表现不佳的问题，核心能力是引入逻辑推理机制，将检索到的信息进行结构化逻辑整合，而非简单拼接。项目提供完整的源代码实现，支持自定义知识库与检索流程，并针对多跳问答、事实验证等场景优化了推理路径的构建。通过将逻辑规则与检索结果结合，LogicRAG 能显著提升模型在需要多步推理任务上的准确性和可解释性，为研究者和开发者提供了一个新的 RAG 范式参考。
开源
free
搜索知识
GitHub 星标
★ 236
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chensyCN
所属国家
定价模式free
价格说明开源项目，GPL-3.0许可证，可自由使用和部署，无付费版本。
访问状态
是否开源是
开源协议GPL-3.0
主要语言Python
技术栈/模型agentic-rag,graphrag,llms,rag
GitHub 星标★ 236
30天Star增速
HF 下载量
上线时间2025-04-07 00:00:00
最近更新2026-09-01 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1
使用教程
核心亮点
- 提出逻辑增强的RAG新范式，直击传统RAG推理短板
- 提供完整源码，便于复现AAAI'26论文实验
- 针对多跳问答等复杂场景优化，提升推理准确率
不足之处
- 早期项目，文档和社区支持待观察
- 依赖特定逻辑推理框架，集成成本可能较高
适用场景
- 多跳问答系统
- 事实验证与知识推理
- 可解释性要求高的知识检索应用
替代项目
Self-RAG、CRAG、GraphRAG
项目介绍
上一篇：vector-graph-rag
下一篇：Fyin
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···