让RAG回答更靠谱，海量文档也能零幻觉
这是一个专注于解决RAG（检索增强生成）系统幻觉问题的开源项目。它通过结合知识图谱、向量检索和重排序等技术，构建了一套面向大规模文档（1000万+）的RAG流水线，旨在显著降低大模型在回答时产生的事实性错误。项目提供了完整的实现代码和实验笔记，涵盖文档解析、分块、向量化、图谱构建、混合检索、重排序以及生成验证等多个环节。其核心思路是引入外部结构化知识对检索结果进行约束和校验，从而提升生成内容的准确性和可追溯性。对于需要处理海量文档并追求高可靠答案的企业级应用，该项目提供了一套可参考的工程实践方案。
Haystack、LlamaIndex、LangChain
rag-zero-hallucinations 是搜索知识领域的开源项目，由 FareedKhan-dev 开发，是 2026 年新上线的项目。
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 157。
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 2026-09-21。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：企业知识库问答，需高准确率场景。同类可对比的替代方案包括 Haystack、LlamaIndex、LangChain。
下一篇：ragbase
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···
