ragent

开箱即用的企业级 RAG 智能体，全链路搞定检索与问答

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 913 🐛 待处理 99 👀 关注 13

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 4446

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，可免费使用和部署。

项目预览

项目数据

分类搜索知识

开发团队nageoffer

官网地址https://nageoffer.com/ragent

GitHubhttps://github.com/nageoffer/ragent

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Java

技术栈/模型agent,agentic-rag,ai,llm,mcp,rag,springai

GitHub 星标★ 4446

上线时间2025-11-20 00:00:00

代码更新2026-11-08

仓库体积23.1 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数3

项目介绍

ragent 是一个基于 Java 的企业级 Agentic RAG 智能体项目，旨在解决传统 RAG 在真实业务场景中检索不准、流程割裂、难以落地的问题。它提供从文档解析、多路检索、意图识别、问题重写到会话记忆、MCP 工具调用与深度思考的全链路能力，并给出从 0 到 1 的完整工程实现，帮助开发者快速构建生产级 RAG 应用。核心能力包括：支持多种文档格式解析，集成多路检索策略提升召回率，通过意图识别和问题重写优化查询，内置会话记忆保持多轮对话连贯，支持 MCP 工具调用扩展智能体能力，并具备深度思考机制以处理复杂推理任务。项目代码结构清晰，注重工程实践，适合作为企业级 RAG 系统的参考实现或直接二次开发。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4446

技术标签

agent agentic-rag ai llm mcp

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 30 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Java 运行环境（项目为 Java 语言开发的企业级应用）
Redis（README 明确提到用 Redis 做公平排队与分布式并发控制）
可用的外部大模型服务及 API Key（涉及模型档位、首包探测、熔断降级）
向量库、关键词索引与知识图谱等检索存储（混合检索依赖）
构建工具（Maven/Gradle 之一，README 未指定，请以官网文档为准）

安装与启动步骤

1克隆项目源码

从 GitHub 拉取 ragent 源码到本地，注意选择稳定分支或与文档对应的版本。
```
git clone https://github.com/nageoffer/ragent.git
```
2查阅官方部署文档

README 节选未给出安装命令，务必先访问官网查看快速开始、环境版本与启动方式。
3准备依赖服务

按官网文档准备 Redis 及向量库、知识图谱等存储服务，并确认网络与端口可连通。
4配置模型与检索参数

填写大模型服务地址与 API Key、检索存储连接信息；密钥请用环境变量管理，勿提交仓库。
5构建并启动服务

按官网文档执行构建与启动命令，随后完成文档入库并验证问答链路是否跑通。