LLM-Powered-RAG-System

一键参考多种RAG实现,快速搭建LLM知识问答系统。

这是一个基于大语言模型(LLM)的检索增强生成(RAG)系统集合项目。它旨在解决传统RAG系统在知识检索和生成质量上的不足,通过集成多种RAG实现方案,帮助开发者快速构建和比较不同的RAG架构。项目核心能力包括:提供多种RAG流程的参考实现,涵盖从文档加载、向量化、检索到生成回答的完整链路;支持与主流LLM和向量数据库的集成;通过示例代码和配置,降低RAG系统的搭建门槛。适合作为学习RAG技术原理和进行原型验证的起点。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 230
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Jenqyang
所属国家
官网地址
定价模式free
价格说明开源项目,无在线服务,需自行部署,全部功能免费。
访问状态
是否开源是
开源协议
主要语言
技术栈/模型agent,llm,rag,retrieval-augmented-generation
GitHub 星标★ 230
30天Star增速
HF 下载量
上线时间2024-02-06 00:00:00
最近更新2026-09-17 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1

使用教程

核心亮点

  • 集合多种RAG系统实现,便于对比学习不同架构和策略
  • 代码结构清晰,易于二次开发和集成到现有项目
  • 覆盖从文档处理到生成回答的完整流程,上手快

不足之处

  • 项目处于早期阶段,文档和示例可能不够完善
  • 未提供性能基准或效果对比数据,选型参考有限

适用场景

  • 快速搭建基于私有文档的智能问答机器人
  • 学习RAG技术原理,对比不同检索策略的效果
  • 作为企业内部知识库系统的原型参考

替代项目

LangChain、LlamaIndex、Haystack

项目介绍

LLM-Powered-RAG-System 是搜索知识领域的开源项目,由 Jenqyang 开发,2024 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 230。

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 2026-09-17。无在线服务,需自行部署,全部功能免费。

它主要面向的使用场景是:快速搭建基于私有文档的智能问答机器人。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。

上一篇:deepsearch-toolkit

下一篇:serverless-rag-demo

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.

★ 183325 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···

★ 766 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···

★ 120493 2026-08-09
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···

★ 91170 2026-08-09