项目预览
项目数据
项目介绍
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 ★ 719
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。
⚠ 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
- GPU 24G 以上
- JDK 11
- conda
安装与启动步骤
-
1建环境
官方指定 Python 3.9。
conda create -n zero python=3.9 && conda activate zero -
2装 PyTorch
按官方给的 CUDA 版本。
pip install torch==2.4.0 --index-url https://download.pytorch.org/whl/cu121 -
3装推理后端
指定版本，别升。
pip3 install vllm==0.6.3 -
4装本库
可编辑模式装。
pip install -e . -
5装检索依赖
含 Java 与 GPU 版向量库。
pip install pyserini faiss-gpu==1.7.2 -
6起模型服务
先起本地推理服务。
sh vllm_host.sh
如何确认成功
查询改写脚本能对一个问题生成多条检索式。
注意事项
- 依赖版本锁得死，混装极易崩。
- 训练需要检索环境，准备好再开始。
核心亮点
- 提出将检索结果作为强化学习奖励信号的RLVR训练方法，直接优化搜索代理的最终检索成效，而非中间步骤，方法新颖且目标明确。
- 针对搜索代理的复杂多步推理场景，结合检索结果反馈，能有效提升智能体在信息获取任务中的决策质量。
- 代码库结构清晰，基于Python实现，便于研究社区复现和扩展，适合作为搜索智能体训练的参考基线。
不足之处
- 项目处于早期阶段，文档和社区支持尚待完善，实际部署和调参可能需要较多自行探索。
- 依赖大规模强化学习训练资源，对于个人开发者或小团队而言，复现门槛较高。
适用场景
- 构建能够自主完成复杂搜索任务（如多轮查询、信息整合）的AI搜索助手。
- 在检索增强生成（RAG）系统中，训练更智能的查询规划与结果筛选策略。
- 作为强化学习在信息检索领域的研究基线，用于对比不同奖励设计的效果。
替代项目
AgentSearch、Search-R1、WebGPT
上一篇：coco-app
同类项目推荐
flow
开源
照着做，让内容在 AI 搜索里被推荐
Find · Leverage · Optimize · Win — an evidence-led SEO playbook for the AI-searc···
NexusRAG
开源
混合检索+知识图谱+重排序，让AI回答有据可依
Hybrid RAG system combining vector search, knowledge graph (LightRAG), and cross-enc···
rag-zero-hallucinations
开源
让RAG回答更靠谱，海量文档也能零幻觉
Handling 10M+ docs using RAG with zero hallucinatons
pdfdeal
开源
PDF 秒变高质文本，RAG 召回率翻倍
A python wrapper for the Doc2X API and comes with native texts processing (to improv···
ObsidianRAG
开源
本地AI问答你的Obsidian笔记，隐私安全不泄露
Ask questions about your Obsidian notes using local AI. Privacy-first RAG with Ollam···
awesome-ai-tools
开源
一页看遍全球AI好工具，省去全网搜索时间
VERY LARGE AI TOOL LIST! Curated list of AI Tools - Updated 2026
advanced-rag
开源
跟着可运行代码，系统掌握高级 RAG 构建与优化
Jupyter Notebooks for Mastering LLM with Advanced RAG Course
Hyper-RAG
开源
用超图建模文档关系，让 RAG 检索更准，减少幻觉。
"Hyper-RAG: Combating LLM Hallucinations using Hypergraph-Driven Retrieval-Augmented···
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···