RAGLAB 是开发框架领域的开源项目，由 fate-ubw 开发，2024 年首次发布。
它收录于开发框架分类，该分类目前共有 803 个项目，GitHub 星标数为 314。
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 2026-08-27。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：学术研究中快速复现RAG基线算法并对比新方法。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。
RAGLAB
像搭积木一样对比RAG算法，论文复现不再头疼
RAGLAB 是一个面向研究与实验的模块化检索增强生成（RAG）统一框架，由 EMNLP 2024 Demo Oral 论文提出。它旨在解决 RAG 研究中算法复现成本高、对比不公平、模块耦合紧密等问题，通过标准化流程将 RAG 系统拆分为检索、重排序、生成等可插拔模块，并内置多种主流 RAG 算法（如 NaiveRAG、Self-RAG、CRAG 等）的统一实现，支持一键切换与公平对比。核心能力包括：统一实验接口、模块化组件库、可复现的基准测试，以及灵活的扩展机制，帮助研究者快速验证新想法并复现论文结果。
开源
free
搜索知识
GitHub 星标
★ 314
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队fate-ubw
所属国家
定价模式free
价格说明开源框架，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型fair-comparison,llm,rag,retrieval-augmented-generation
GitHub 星标★ 314
30天Star增速
HF 下载量
上线时间2024-08-06 00:00:00
最近更新2026-08-27 00:00:00
维护状态低维护
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3
使用教程
核心亮点
- 内置多种主流RAG算法（NaiveRAG、Self-RAG、CRAG等）统一实现，开箱即用，省去重复造轮子
- 模块化设计，检索、重排、生成等组件可自由组合，方便做消融实验和算法对比
- 来自EMNLP 2024 Demo Oral，学术背书强，代码规范，适合作为研究基线
不足之处
- 项目较新（313星），社区规模小，文档和教程可能不够丰富
- 主要面向研究场景，生产环境部署支持可能不足
适用场景
- 学术研究中快速复现RAG基线算法并对比新方法
- 教学演示RAG各模块工作原理与不同算法效果差异
- 作为RAG算法开发的起点，通过模块替换快速迭代
替代项目
LangChain、LlamaIndex、Haystack
项目介绍
同类项目推荐
ComfyUI_Custom_Nodes_AlekPet
开源
给 ComfyUI 装上语音翻译和姿态检测，工作流更全能
Custom nodes that extend the capabilities of Comfyui
langchain
开源
组装 AI 应用的乐高积木，从想法到上线不换工具
The agent engineering platform.
transformers
开源
全球最大的模型仓库全家桶，想用的模型一把抓
Transformers: the model-definition framework for state-of-the-art machine learning m···
pi
开源
一套 TypeScript 工具包，快速搭出能写代码的 AI agent
AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI