一站式收藏 RAG 前沿资源，快速掌握增强生成技术
Awesome-RAG 是一个专注于检索增强生成（RAG）技术发展的资源列表，旨在为大型语言模型（LLMs）开发者提供精选的论文、工具、框架和最佳实践。它系统性地整理了 RAG 领域的最新研究成果、核心算法、评估方法以及工业级应用案例，帮助开发者快速理解 RAG 如何通过外部知识检索来增强 LLM 的生成能力，解决模型幻觉、知识过时等问题。项目内容覆盖从基础概念到高级优化（如混合检索、重排序、记忆机制）的完整技术栈，是学习和落地 RAG 的重要参考索引。
Awesome-LLM-RAG、RAG-Survey、Awesome-Retrieval-Augmented-Generation
Awesome-RAG 是搜索知识领域的开源项目，由 liunian-Jay 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 520。
项目仍在小幅维护中，最近一次代码更新于 2026-09-22。开源资源列表，完全免费，无付费版本。
它主要面向的使用场景是：快速调研RAG技术路线与最新论文。同类可对比的替代方案包括 Awesome-LLM-RAG、RAG-Survey、Awesome-Retrieval-Augmented-Generation。
下一篇：StreamRAG
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···
