context-aware-rag 是搜索知识领域的开源项目，由 NVIDIA 开发，2025 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 90。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-14。开源库，Apache-2.0许可，完全免费，需自行部署。
它主要面向的使用场景是：企业知识库问答，需要处理大量实体关系。同类可对比的替代方案包括 LlamaIndex、Haystack、GraphRAG。
context-aware-rag
把文档变成知识图谱，让AI问答更懂关系
Context-Aware RAG 是一个面向知识图谱的检索增强生成（RAG）库，专注于知识图谱的摄入与检索功能。它解决的是传统 RAG 在复杂关系数据上表现不佳的问题，通过将文本数据转化为知识图谱结构，并利用图谱的上下文信息增强检索质量。核心能力包括：支持从非结构化文本构建知识图谱，提供图谱感知的检索函数，以及将检索结果与生成模型结合以提升回答的准确性和可解释性。项目基于 Python 实现，适合需要处理实体关系密集型数据的场景，如企业知识库、文档问答等。目前处于早期阶段，API 和功能仍在快速迭代中。
开源
free
开源模型
GitHub 星标
★ 90
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队NVIDIA
所属国家
定价模式free
价格说明开源库，Apache-2.0许可，完全免费，需自行部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agent,agentic-ai,agentic-rag,graphrag,large-language-models,llm,long-video-understanding,rag,retrieval-augmented-generation,video-summarization,video-understanding,vlm
GitHub 星标★ 90
30天Star增速
HF 下载量
上线时间2025-04-04 00:00:00
最近更新2026-09-14 00:00:00
维护状态活跃
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1
使用教程
核心亮点
- 将文本自动构建为知识图谱，增强实体关系理解
- 提供图谱感知的检索函数，提升复杂查询的准确率
- 与生成模型无缝集成，输出可解释性更强
不足之处
- 文档和社区支持尚不完善，上手门槛较高
- 知识图谱构建依赖外部NLP工具，配置复杂
适用场景
- 企业知识库问答，需要处理大量实体关系
- 科研文献分析，提取并查询实体间关联
- 智能客服系统，需理解用户问题中的多实体关系
替代项目
LlamaIndex、Haystack、GraphRAG
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···