Awesome-RAG

一站式收藏 RAG 资源，快速选型不迷路

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 265 🐛 待处理 159 👀 关注 15

GitHub ↗

GitHub 星标 ★ 1425

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，完全免费，无付费版本。

项目预览

Awesome-RAG 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队Danielskry

GitHubhttps://github.com/Danielskry/Awesome-RAG

定价模式🏷️完全免费

价格说明开源项目，完全免费，无付费版本。

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CC0-1.0

技术栈/模型artificial-intelligence,generative-ai,large-language-models,rag,retrieval-augmented-generation

GitHub 星标★ 1425

上线时间2024-04-12 00:00:00

代码更新2026-10-06

仓库体积198 KB

本站数据更新2026-11-10

维护状态维护中

收录时间2026-08-09

浏览次数2

项目介绍

Awesome-RAG 是一个精选的检索增强生成（RAG）应用资源列表，旨在为生成式 AI 开发者提供一站式的 RAG 相关工具、框架、论文和最佳实践。它解决了 RAG 领域信息分散、技术选型困难的问题，通过分类整理，帮助用户快速找到适合自己场景的解决方案。核心能力包括：系统梳理 RAG 的各类应用（如问答、摘要、知识图谱等）、汇总主流开源框架（如 LangChain、LlamaIndex）、提供论文和教程链接，以及展示实际案例。项目持续更新，适合研究人员、工程师和产品经理作为 RAG 技术入口和参考手册。

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 ★ 1425

技术标签

artificial-intelligence generative-ai large-language-models rag retrieval-augmented-generation

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 4 步

⚠ 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。

环境要求

可访问 GitHub 的网络环境
本地具备 Markdown 阅读器或文本编辑器
如需插件形式使用，需已安装 VS Code、GitHub Copilot CLI 或 Claude Code 之一

安装与启动步骤

1获取资源仓库

从 GitHub 克隆该资源仓库到本地，方便离线查阅和检索；仓库本身是文档型资源列表，体积极小。
```
git clone https://github.com/Danielskry/Awesome-RAG.git
```
2阅读总览说明

打开 README.md，先读 Overview 和 Key Benefits 部分，理解 RAG 的定义与核心价值，建立整体认知。
3按分类查找资源

在 README 中按分类浏览工具、框架、技术与学习资料，并点击外链跳转到权威来源、教程和实现项目。
4可选：使用插件形态

README 提到该资源同时提供 Agent Plugin，可在 VS Code、GitHub Copilot CLI、Claude Code 中使用，具体安装方式见插件仓库说明。