Advanced_RAG 是搜索知识领域的开源项目，由 NisaarAgharia 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 497。
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 2026-09-21。提供notebook示例，可自行部署使用，无付费版本。
它主要面向的使用场景是：学习高级RAG技术并快速搭建原型。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。
Advanced_RAG
用实战 Notebook 掌握高级 RAG 检索与生成技巧
Advanced_RAG 是一个专注于高级检索增强生成（RAG）技术的开源项目，通过一系列实用的 Jupyter Notebook 教程，展示如何利用 Langchain、OpenAI GPT、Meta Llama3 和 Agents 构建先进的 RAG 系统。该项目旨在解决传统 RAG 在复杂场景下检索质量不高、生成效果不佳的问题，提供了从基础到进阶的完整实践指南。核心能力包括：多文档检索、混合检索策略、重排序、上下文压缩、查询转换、以及基于 Agent 的自主 RAG 流程设计。每个 Notebook 都包含详细的代码和解释，帮助开发者快速上手并应用到实际项目中。
开源
free
搜索知识
GitHub 星标
★ 497
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NisaarAgharia
所属国家
定价模式free
价格说明开源项目，提供notebook示例，可自行部署使用，无付费版本。
访问状态
是否开源是
开源协议
主要语言Jupyter Notebook
技术栈/模型agent,agents,ai,chatgpt,genai,langchain,llama3,llm,machine-learning,nlp,openai,rag,retrival-augmented,vectordb
GitHub 星标★ 497
30天Star增速
HF 下载量
上线时间2024-03-28 00:00:00
最近更新2026-09-21 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0
使用教程
核心亮点
- 提供多种高级 RAG 技术（如重排序、上下文压缩）的完整代码示例
- 基于主流框架 Langchain 和多个大模型（GPT、Llama3），实用性强
- 以 Notebook 形式呈现，交互式学习，易于理解和二次开发
不足之处
- 项目处于早期阶段，文档和社区支持有待完善
- 依赖外部 API（如 OpenAI），使用成本较高且受限于网络环境
适用场景
- 学习高级 RAG 技术并快速搭建原型
- 为特定领域知识库设计高效检索问答系统
- 研究 Agent 与 RAG 结合的自适应信息获取流程
替代项目
LangChain、LlamaIndex、Haystack
项目介绍
上一篇：VARAG
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···