RAG-Survey

一张图看懂RAG论文全景，快速找到你要的研究方向

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 123 🐛 待处理 7 👀 关注 31
GitHub ↗
GitHub 星标 ★ 1787
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，收集RAG相关论文，无收费功能。

项目预览

RAG-Survey 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hymie122
GitHubhttps://github.com/hymie122/RAG-Survey
定价模式🏷️完全免费
价格说明开源项目，收集RAG相关论文，无收费功能。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
技术栈/模型aigc,diffusion-models,llm,multimodality,rag,survey
GitHub 星标★ 1787
上线时间2024-02-23 00:00:00
代码更新2024-08-20
仓库体积6.6 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

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。

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 ★ 1787

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 10 分钟 部署方式：本地安装 5 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

  • 可联网环境（需访问 github.com 与 arxiv.org）
  • 已安装 Git 命令行工具
  • 可查看 PNG/JPG 图片的浏览器或图片查看器
  • 无需 Python/GPU 等运行环境

安装与启动步骤

  1. 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.git

  2. 2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-Survey

  3. 3查看目录文件

    确认 README.md 和 RAG_Overview.jpg、RAG_Foundations.png 等配图是否存在

    ls

  4. 4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. 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

如何确认成功

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。

常见问题

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。

注意事项

  • 该仓库是论文精选列表，不是可部署的软件系统，不要期待启动服务或调用接口。
  • README 未给出安装、运行、配置说明，本教程仅包含克隆与阅读等通用准备动作。
  • 部分论文链接指向 arXiv 或 OpenReview，需要外网访问权限。

核心亮点

  • 分类体系清晰，基于权威综述论文，覆盖基础、增强、应用三大维度，便于按图索骥
  • 持续更新，收录了从经典到最新的RAG论文，适合跟踪领域进展
  • 每个类别下论文精选，避免海量文献淹没，节省调研时间

不足之处

  • 部分论文条目缺少代码链接或实验对比，实用性信息有限
  • 文档/社区待观察：项目主要依赖GitHub维护，缺乏活跃讨论或扩展工具支持

适用场景

  • 科研人员入门RAG领域，快速了解研究脉络和关键文献
  • 工程师选型RAG方案时，对比不同检索增强技术的论文依据
  • 课程教学或技术分享中，作为RAG知识体系的参考大纲

替代项目

Awesome-RAG、Awesome-LLM-RAG、RAG-Playground

上一篇：yt-fts

下一篇：bm25s

同类项目推荐

rag_api 开源

基于 ID 的 RAG 服务，用 FastAPI + pgvector 快速搭建生产级检索增强生成 API。

ID-based RAG FastAPI: Integration with Langchain and PostgreSQL/pgvector

★ 921 2026-08-09
chunky 开源

让 RAG 分块不再玄学，轻松对比策略、清洗文档、检查质量

A local, open-source visual workspace for RAG document preparation: inspect PDF conv···

★ 211 2026-08-09
xyne 开源

把散落各处的资料，问一句就给你答案

AI-first Search & Answer Engine for work. Open-source alternative to Glean.

★ 696 2026-08-09
SuperKnowa 开源

像拼乐高一样搭建企业级 RAG 管道，快速落地生成式 AI 应用

Build Enterprise RAG (Retriver Augmented Generation) Pipelines to tackle various Gen···

★ 118 2026-08-09
chatgpt-your-files 开源

把文档变成聊天机器人，安全问答即刻上线

Production-ready MVP for securely chatting with your documents using pgvector

★ 516 2026-08-09
Advanced_RAG 开源

用Notebook快速上手高级RAG，融合GPT与Llama3

Advanced Retrieval-Augmented Generation (RAG) through practical notebooks, using the···

★ 113 2026-08-09
ragflow-plus 开源

Ragflow 精简版，快速搭私有知识库问答

Ragflow-Plus 是 Ragflow 的二次开发版本，使其更为简洁实用

★ 1467 2026-10-12
RAGMeUp 开源

喂入任意数据，快速搭出可问答的 RAG 应用

Generic rag framework to apply the power of LLMs on any given dataset

★ 680 2026-09-21
awesome-grokbot 开源

1894条已验证的Grok Bot资源，一键搜索直接用

1894 live x.ai/bot shares for Grok Bot — every link status-checked, every row attri···

★ 480 2026-09-30