Hyper-RAG 是搜索知识领域的开源项目，由 iMoonLab 开发，2025 年首次发布。
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 322。
项目仍在小幅维护中，最近一次代码更新于 2026-09-16。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：多跳问答场景，如法律、医疗等复杂知识检索。同类可对比的替代方案包括 GraphRAG、LightRAG、RAGFlow。
Hyper-RAG
用超图建模文档关系，让 RAG 检索更准，减少幻觉。
Hyper-RAG 是一个基于超图驱动的检索增强生成（RAG）框架，旨在解决大语言模型（LLM）的幻觉问题。传统 RAG 方法通常依赖简单的向量相似度检索，忽略了文档间复杂的多跳关系，导致检索结果不够精准。Hyper-RAG 通过构建超图来建模文档、实体和关系之间的高阶关联，利用超图神经网络进行推理，从而在检索阶段捕获更丰富的语义和结构信息。项目提供完整的 Python 实现，包括超图构建、消息传递、检索和生成流程，支持与主流 LLM 集成。其核心能力在于提升检索的相关性和答案的准确性，尤其适用于需要多跳推理的知识密集型任务。
开源
free
搜索知识
GitHub 星标
★ 322
维护状态
维护中
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队iMoonLab
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型graph-rag,hypergraph,llms,rag
GitHub 星标★ 322
30天Star增速
HF 下载量
上线时间2025-04-03 00:00:00
最近更新2026-09-16 00:00:00
维护状态维护中
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0
使用教程
核心亮点
- 超图建模捕捉文档间高阶关系，优于传统向量检索
- 提供完整流程代码，便于复现和集成
- 针对 LLM 幻觉问题有明确改进，效果可验证
不足之处
- 文档/社区待观察
- 超图构建和推理计算开销较大，可能影响实时性
适用场景
- 多跳问答场景，如法律、医疗等复杂知识检索
- 企业知识库增强，提升内部文档问答准确性
- 学术研究，探索超图在 RAG 中的应用
替代项目
GraphRAG、LightRAG、RAGFlow
项目介绍
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.
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···