Agentic-RAG-R1 是开发框架领域的开源项目，由 jiangxinke 开发，2025 年首次发布。
它收录于开发框架分类，该分类目前共有 806 个项目，GitHub 星标数为 442。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-18。Apache-2.0 许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：需要多步推理的复杂问答系统（如法律、医疗咨询）。同类可对比的替代方案包括 Self-RAG、CRAG、RAGAS。
Agentic-RAG-R1
用强化学习训练AI自主检索推理，解决复杂问题更准
Agentic-RAG-R1 是一个基于强化学习的智能体检索增强生成（Agentic RAG）框架，旨在解决传统 RAG 系统在复杂多跳推理任务中检索策略僵化、无法自主规划的问题。它通过强化学习训练智能体，使其能够根据问题动态决定检索时机、选择检索工具（如网页搜索、知识库查询）并整合多源信息，从而提升回答的准确性和推理能力。核心能力包括：将检索与推理过程联合优化，支持工具调用与反思机制，以及提供可扩展的接口适配多种语言模型。项目处于早期阶段，代码结构清晰，适合研究者和开发者探索下一代 RAG 范式。
开源
free
搜索知识
GitHub 星标
★ 442
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队jiangxinke
所属国家
定价模式free
价格说明开源框架，Apache-2.0 许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型agentic,grpo,harness,rl
GitHub 星标★ 442
30天Star增速
HF 下载量
上线时间2025-03-17 00:00:00
最近更新2026-09-18 00:00:00
维护状态较活跃
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3
使用教程
核心亮点
- 创新性地将强化学习引入RAG，实现检索策略的自主学习和优化
- 支持多工具调用和反思机制，能处理多跳推理等复杂查询
- 代码基于Python实现，模块化设计，易于扩展和二次开发
不足之处
- 项目处于早期阶段，文档和社区生态尚不完善
- 依赖强化学习训练，对算力和数据要求较高，上手门槛不低
适用场景
- 需要多步推理的复杂问答系统（如法律、医疗咨询）
- 企业知识库智能检索与生成，需动态决定检索来源的场景
- 研究强化学习与RAG结合的前沿学术实验
替代项目
Self-RAG、CRAG、RAGAS
项目介绍
上一篇：Weave
同类项目推荐
ComfyUI_Custom_Nodes_AlekPet
开源
给 ComfyUI 装上语音翻译和姿态检测，工作流更全能
Custom nodes that extend the capabilities of Comfyui
langchain
开源
组装 AI 应用的乐高积木，从想法到上线不换工具
The agent engineering platform.
transformers
开源
全球最大的模型仓库全家桶，想用的模型一把抓
Transformers: the model-definition framework for state-of-the-art machine learning m···
pi
开源
一套 TypeScript 工具包，快速搭出能写代码的 AI agent
AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI