一张图看懂RAG论文全景，快速找到你要的研究方向
RAG-Survey 是一个系统整理检索增强生成（RAG）领域论文的精选列表，由腾讯 AI Lab 团队维护，并基于其发表的综述论文《Retrieval-Augmented Generation for AI-Generated Content: A Survey》构建了完整的分类体系。该项目将 RAG 相关研究划分为三大核心维度：基础（Foundations）、增强（Enhancements）和应用（Applications），帮助研究者和工程师快速定位不同技术方向（如检索器优化、生成器融合、多模态 RAG 等）的代表性工作。它解决了 RAG 领域文献分散、缺乏结构化梳理的问题，提供按类别组织的论文索引，并附带简要说明。核心能力包括：清晰的分类导航、持续更新的论文收录、与综述论文的对应关系，以及社区贡献机制。对于刚入门 RAG 或需要系统性调研的开发者，这是一个高效的知识地图。
⚠ 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。
1克隆仓库到本地
把 RAG-Survey 论文列表仓库下载到本机，README 未给出其他安装方式
git clone https://github.com/hymie122/RAG-Survey.git2进入项目目录
切换到克隆下来的仓库目录，后续查看 README 与图片都在这里进行
cd RAG-Survey3查看目录文件
确认 README.md 和 RAG_Overview.jpg、RAG_Foundations.png 等配图是否存在
ls4阅读分类目录
打开 README.md，按 Catalogue 下的 Methods Taxonomy 浏览 RAG 三大维度论文
5对照原综述论文
README 指向 arXiv:2402.19473，按该论文的分类体系理解各条目归属
本地目录中出现 README.md 以及 RAG_Overview.jpg、RAG_Foundations.png 等文件，即表示克隆成功。
Q：这个项目需要 pip install 或 Docker 部署吗？
A：不需要。README 中没有任何安装依赖或运行脚本的说明，仓库只用于收集和分类 RAG 论文链接。
Q：仓库里有可直接运行的代码吗？
A：README 未提供任何代码或模型权重，内容为论文标题与链接组成的分类列表，属于资料索引型项目。
Q：论文分类依据是什么？
A：依据同名综述论文《Retrieval-Augmented Generation for AI-Generated Content: A Survey》，分为 RAG Foundations、Enhancements、Applications 等维度。
Q：内容会更新吗？
A：README 明确说明会持续更新论文与仓库本身，可关注仓库或 arXiv 页面获取最新版本。
Awesome-RAG、Awesome-LLM-RAG、RAG-Playground
RAG-Survey 是搜索知识领域的开源项目，由 hymie122 开发，2024 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,789）位列前 30%，在搜索知识分类中处于中上游。
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 2026-09-23。收集RAG相关论文，无收费功能。
它主要面向的使用场景是：科研人员入门RAG领域，快速了解研究脉络和关键文献。同类可对比的替代方案包括 Awesome-RAG、Awesome-LLM-RAG、RAG-Playground。
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···