Awesome-LLM-RAG 是搜索知识领域的开源项目,由 jxzhangjhu 开发,2023 年首次发布。
在全站 13,090 个收录项目中,它的 GitHub 星标数(1,358)位列前 30%,在搜索知识分类中处于中上游。
项目仍在小幅维护中,最近一次代码更新于 2026-09-23。完全免费,无付费版本。
它主要面向的使用场景是:入门学习RAG技术体系。同类可对比的替代方案包括 Awesome-RAG、Awesome-LLM、LangChain。

一份清单,带你快速摸清 RAG 全貌
Awesome-LLM-RAG 是一个精心整理的检索增强生成(RAG)资源列表,聚焦于大语言模型中的高级 RAG 技术。它系统梳理了 RAG 领域的论文、框架、工具、数据集和教程,帮助研究者和开发者快速了解 RAG 的最新进展、核心方法(如检索策略、生成融合、记忆机制)以及工程实践。项目解决了 RAG 学习资料分散、入门门槛高的问题,通过分类目录和精选条目,让用户能高效定位所需资源,从基础概念到前沿研究一应俱全。其核心能力在于持续更新的高质量资源聚合,覆盖从理论到代码的完整链路,是 RAG 方向不可多得的导航型项目。
⚠ 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。
1克隆资源仓库
把 Awesome-LLM-RAG 仓库下载到本地,README 未给出其他安装方式,仓库本身不含可运行代码。
git clone https://github.com/jxzhangjhu/Awesome-LLM-RAG.git2进入目录
切换到克隆下来的仓库目录,确认 README.md 文件存在。
cd Awesome-LLM-RAG3按目录检索资源
打开 README.md,依据 Contents 中的 Resources、Papers 等分类标题,定位检索增强生成相关论文与工具链接。
4提交资源贡献
README 明确鼓励研究者通过 pull request 更新自己的论文信息,可据此向仓库提交修改。
本地出现 Awesome-LLM-RAG 目录,且 README.md 中能看到 Resources、Papers 等分类目录,即表示已成功获取该资源清单。
Q:这个项目需要安装依赖或配置环境吗?
A:不需要。README 显示它只是 RAG 论文与资源的汇总清单,未提供任何安装命令、依赖或配置项,克隆后直接阅读即可。
Q:如何把自己的论文加进这个列表?
A:README 中明确欢迎研究者提交 pull request 来更新论文信息,按仓库惯例 fork 后修改 README 并提 PR 即可。
Q:在哪里找某个细分方向的资料?
A:README 的 Contents 里按 Survey and Benchmark、Retrieval-enhanced LLMs、RAG Embeddings、RAG Evaluation 等主题分类,直接跳到对应小节查看链接。
Awesome-RAG、Awesome-LLM、LangChain
Awesome-LLM-RAG 是搜索知识领域的开源项目,由 jxzhangjhu 开发,2023 年首次发布。
在全站 13,090 个收录项目中,它的 GitHub 星标数(1,358)位列前 30%,在搜索知识分类中处于中上游。
项目仍在小幅维护中,最近一次代码更新于 2026-09-23。完全免费,无付费版本。
它主要面向的使用场景是:入门学习RAG技术体系。同类可对比的替代方案包括 Awesome-RAG、Awesome-LLM、LangChain。
上一篇:korvus
下一篇:Awesome-RAG
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···