rag-experiment-accelerator 是搜索知识领域的开源项目，由 microsoft 开发，2023 年首次发布。
它收录于搜索知识分类，该分类目前共有 581 个项目，GitHub 星标数为 311。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-17。本地部署，完全免费。
它主要面向的使用场景是：在Azure上构建企业级RAG应用时的参数调优。同类可对比的替代方案包括 LlamaIndex、LangChain、RAGAS。
rag-experiment-accelerator
一键跑通 RAG 实验，自动对比参数选最优
RAG Experiment Accelerator 是一个用于加速检索增强生成（RAG）实验与评估的 Python 工具，主要面向 Azure Cognitive Search 和 RAG 模式。它解决的核心问题是 RAG 应用中参数调优和实验管理的复杂性，提供了一套自动化流程来运行实验、评估结果并生成报告。其核心能力包括：支持多种数据分块策略、灵活配置嵌入模型和检索参数、内置多种评估指标（如准确率、相关性）、自动生成对比报告，帮助开发者快速找到最优的 RAG 配置组合。通过标准化实验流程，降低了 RAG 应用从原型到生产的技术门槛。
开源
free
搜索知识
GitHub 星标
★ 311
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队microsoft
所属国家
定价模式free
价格说明开源项目，本地部署，完全免费
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型acs,azure,chunking,dense,embedding,evaluation,experiment,genai,indexing,information-retrieval,llm,openai,rag,sparse,vectors
GitHub 星标★ 311
30天Star增速
HF 下载量
上线时间2023-09-25 00:00:00
最近更新2026-09-17 00:00:00
维护状态低维护
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
- 内置多种分块和检索策略，可自动化批量对比实验
- 集成 Azure Cognitive Search，与微软生态深度结合
- 自动生成评估报告，节省手动调参和结果分析时间
不足之处
- 依赖 Azure 服务，对非 Azure 用户不友好
- 文档和社区活跃度待观察
适用场景
- 在 Azure 上构建企业级 RAG 应用时的参数调优
- 需要系统评估不同分块/检索策略效果的研发场景
- 快速验证 RAG 原型可行性并生成基准报告
替代项目
LlamaIndex、LangChain、RAGAS
项目介绍
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···