SuperMew

让 AI 自己决定查什么、查几次,复杂问答更靠谱

SuperMew 是一个基于 LangChain 与 LangGraph 构建的 Agentic RAG(智能体式检索增强生成)开源项目。它要解决的问题是:传统 RAG 流程固定、只能一次性检索并拼接上下文,面对多跳推理、需要反复查证或工具调用的复杂问题时效果差。SuperMew 把检索过程交给智能体来决策,由 LangGraph 编排状态机式的执行流程,让模型自主判断何时检索、检索什么、是否需要再次检索或调用外部工具,从而提升回答的准确性与可解释性。项目用 Python 编写,依托 LangChain 生态的模型、向量库与工具接口,便于替换组件和二次开发,适合作为学习 Agentic RAG 架构、快速搭建原型或研究智能体检索策略的参考实现。目前星标约 853,属于早期项目,代码结构轻量,便于阅读和改造。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 865
维护状态 活跃
是否开源
定价模式 free

项目数据

分类搜索知识
开发团队icey1287
所属国家
官网地址
定价模式free
价格说明开源项目,免费使用
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型
GitHub 星标★ 865
30天Star增速
HF 下载量
上线时间2025-12-12 00:00:00
最近更新2026-09-16 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-12
浏览次数0

使用教程

核心亮点

  • 用 LangGraph 把检索流程做成显式状态机,智能体的每一步决策可追踪、可调试
  • 基于 LangChain 生态,模型、向量库、工具均可替换,便于按需组合
  • 聚焦 Agentic RAG 这一热点方向,代码轻量,适合作为学习与二次开发的起点

不足之处

  • 项目处于早期阶段,功能与接口可能还不稳定
  • 文档、示例和社区生态相对有限,遇到问题可参考的资料不多

适用场景

  • 搭建需要多轮检索与推理的智能问答系统原型
  • 学习 LangGraph 编排 Agentic RAG 工作流的教学案例
  • 在 LangChain 技术栈上快速验证自定义检索策略与工具调用

替代项目

LangChain、LlamaIndex

项目介绍

SuperMew 是一个搜索知识领域的开源项目,官方简介:SuperMew — Agentic RAG with LangChain & LangGraph。项目使用 Python 开发,在 GitHub 上获得 853 星标。

上一篇:chat-langchain

下一篇:local-deep-researcher

同类项目推荐

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.

★ 182210 2026-08-09
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···

★ 765 2026-08-09
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···

★ 119584 2026-08-09
qiaomu-youtube-ai-podcast 开源

一站式索引AI播客,快速找到有文字稿和总结的节目

AI 播客索引:整理 AI 播客、中文简介、Transcript 状态和总结入口 | Curated AI podcast ···

★ 69 2026-08-09