verbatim-rag 是搜索知识领域的开源项目，由 KRLabsOrg 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 203。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。MIT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：企业知识库问答，要求回答必须可溯源。同类可对比的替代方案包括 LlamaIndex、Haystack、Verba。
verbatim-rag
让AI回答自带原文出处，告别幻觉，每句话都有据可查
verbatim-rag 是一个以来源溯源优先的抽取式 RAG 框架，旨在解决传统 RAG 系统在生成回答时缺乏精确引用和原文保真度的问题。它通过本地 ModernBERT 模型或可选的 LLM 辅助抽取，从文档中直接提取原文片段作为答案，并附上精确的引用来源，确保每个回答都能追溯到原始文档。项目核心能力包括：支持本地模型推理，保护数据隐私；提供抽取式回答，避免生成式模型的幻觉问题；内置引用机制，提升回答的可信度和可验证性。适用于需要高可信度回答的文档问答、法律/医疗等专业领域知识检索，以及企业内网知识库等场景。
开源
free
搜索知识
GitHub 星标
★ 203
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KRLabsOrg
所属国家
定价模式free
价格说明开源项目，MIT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MIT
主要语言Python
技术栈/模型citation,hallucination-prevention,llm,modernbert,nlp,openai,python,rag,retrieval-augmented-generation,span-extraction
GitHub 星标★ 203
30天Star增速
HF 下载量
上线时间2025-01-31 00:00:00
最近更新2026-09-23 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2
使用教程
核心亮点
- 抽取式回答直接返回原文片段，从机制上杜绝生成幻觉
- 默认使用本地ModernBERT，无需外部API，数据不出域
- 每个答案都附带精确引用来源，方便人工核验和追溯
不足之处
- 抽取式模式只能回答文档中已有的内容，无法进行跨句推理或总结
- 文档/社区待观察
适用场景
- 企业知识库问答，要求回答必须可溯源
- 法律、医疗等合规场景，需要精确引用原文条款或证据
- 内部文档检索增强，快速定位并引用原始段落
替代项目
LlamaIndex、Haystack、Verba
项目介绍
上一篇：renumics-rag
下一篇：context-engine
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···