用 RAG 快速搭建文档问答助手，让文档秒变智能客服
documentation-helper 是一个基于 RAG（检索增强生成）的文档助手参考实现，使用 LangChain 构建流程，Pinecone 作为向量数据库，Tavily 提供搜索增强。它解决的是开发者面对大量技术文档时，难以快速定位和获取准确答案的问题。核心能力包括：对文档进行切片和向量化存储，通过语义检索召回相关片段，并结合大语言模型生成带引用的回答。项目以 Jupyter Notebook 形式呈现，步骤清晰，适合作为学习 RAG 架构和快速搭建文档问答系统的起点。
LangChain Chat with Your Data、PrivateGPT、Danswer
documentation-helper 是搜索知识领域的开源项目，由 emarco177 开发，2023 年首次发布。
它收录于搜索知识分类，该分类目前共有 581 个项目，GitHub 星标数为 344。
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 2026-09-20。基于LangChain、Pinecone和Tavily的RAG文档助手参考实现，可自行部署，无收费。
它主要面向的使用场景是：企业内部知识库问答机器人。同类可对比的替代方案包括 LangChain Chat with Your Data、PrivateGPT、Danswer。
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···
