UltimateRAG

按路线图从零到企业级，跑通并进阶 RAG 文档问答

UltimateRAG 是一个按路线图逐步实现的 RAG 学习项目，目标是把检索增强生成从最基础的 Demo 一路做到企业级甚至科研级系统。它解决的是很多开发者“会用 LangChain 拼一个文档问答，但不知道如何系统进阶”的问题：项目把 RAG 拆成 Naive RAG、Advanced RAG、Agentic RAG、GraphRAG 与微调、RAGOps 五个阶段，在本地用 LangChain 加向量库先跑通最小闭环，再逐步加入语义分块、混合检索、重排序、查询路由、自反思与工具调用等能力。核心价值在于路线图清晰、阶段可验证，适合作为学习脚手架，也方便对照每个阶段理解不同检索与生成策略的取舍。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 229

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leonyangdev

所属国家

官网地址https://leonyangdev.github.io/UltimateRAG

GitHubhttps://github.com/leonyangdev/UltimateRAG

定价模式free

价格说明开源免费学习项目，无付费服务

访问状态

是否开源是

开源协议

主要语言Python

技术栈/模型

GitHub 星标★ 229

30天Star增速

HF 下载量

上线时间2025-12-11 00:00:00

最近更新2026-09-08 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2026-09-12

浏览次数0

使用教程

核心亮点

路线图分五阶段，从 Naive 到 RAGOps，学习路径清晰可验证
覆盖语义分块、混合检索、重排序、路由、自反思、工具调用等主流进阶能力
基于 LangChain 与本地向量库，环境依赖少，方便本地复现和逐阶段对比

不足之处

项目处于早期，阶段内容可能尚未全部完成，需对照仓库进度
偏学习导向，缺少生产级部署、监控与性能基准的完整方案

适用场景

RAG 初学者按阶段系统学习检索增强生成
团队内部做 RAG 技术选型时对照各阶段能力
教学或分享中演示从简单到复杂的 RAG 演进路径

替代项目

LangChain、LlamaIndex

项目介绍

UltimateRAG 是一个搜索知识领域的开源项目，官方简介：一个按路线图逐步实现的 RAG 学习项目：从 Naive RAG → Advanced RAG → Agentic RAG → GraphRAG & Fine-tuning → RAGOps，在本地用 LangChain + 向量库把“文档问答”跑通，并逐步加入语义分块、混合检索、重排序、路由、自反思与工具调用等能力。从最简单的 Demo 进化到企业级、甚至科研级的 RAG 系统。。项目使用 Python 开发，在 GitHub 上获得 229 星标。

上一篇：openchatbi

下一篇：deepdive