RAG-ReActAgent 是智能体领域的开源项目，由 MoMoM101 开发，是 2026 年新上线的项目。
它收录于智能体分类，该分类目前共有 2,517 个项目，GitHub 星标数为 208。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-18。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：构建需要多步推理的智能问答系统（如法律、医疗咨询）。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。
RAG-ReActAgent
让问答系统能多步推理，边检索边思考，答得更准。
RAG-ReActAgent 是一个结合检索增强生成（RAG）与 ReAct（推理+行动）智能体循环的开源问答系统，专注于多跳推理的智能问答。它解决传统 RAG 系统只能进行单轮检索、无法处理复杂推理链的问题，通过让智能体在推理过程中动态决定何时检索、检索什么，并基于检索结果逐步推理，最终生成答案。核心能力包括：多跳推理问答、检索与推理的交替执行、基于 Python 实现，易于定制和扩展。项目处于早期阶段，但架构清晰，适合作为学习或构建复杂问答系统的参考。
开源
free
搜索知识
GitHub 星标
★ 208
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MoMoM101
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agent,embedding,fastapi,llm,openai,python,rag,react-agent,reranker,retrieval-augmented-generation,weaviate
GitHub 星标★ 208
30天Star增速
HF 下载量
上线时间2026-07-23 00:00:00
最近更新2026-09-18 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4
使用教程
核心亮点
- 采用 ReAct 模式，将推理与检索循环结合，支持多跳复杂问题。
- 代码结构清晰，基于 Python，易于二次开发和集成。
- 针对 RAG 场景优化，比纯 RAG 更智能，减少无效检索。
不足之处
- 项目早期，文档和社区支持待观察。
- 未提供性能基准或与现有 RAG 系统的对比数据。
适用场景
- 构建需要多步推理的智能问答系统（如法律、医疗咨询）。
- 作为研究 ReAct 与 RAG 结合的参考实现。
- 用于教育场景，演示 RAG 智能体工作原理。
替代项目
LangChain、LlamaIndex、Haystack
项目介绍
下一篇：llm-wiki-memory
同类项目推荐
xinchao-dynamic-mind
开源
给 AI 装上疲惫和欲望，让交互更真实
独立、可自托管的 AI 动态心智状态引擎：驱动力、念头池、疲惫、睡眠与意图。
deepseek-harness
开源
把 AI 能力拆成乐高积木，拼出你的专属智能体。
DeepSeek Harness: Everything is a Plugin.
AutoGPT
开源
开箱即用的 AI 员工，交代任务就自己干完
AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···
EvoAgentX
开源
让 AI 智能体自己迭代变强，越用越聪明
EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents