s3

用强化学习训练搜索代理，少量数据让RAG检索更准更快

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 144 🐛 待处理 1 👀 关注 78
GitHub ↗
GitHub 星标 ★ 849
维护状态 低维护
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

s3 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队pat-jj
GitHubhttps://github.com/pat-jj/s3
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Python
技术栈/模型agentic-ai,efficiency,gpt-5,information-retrieval,large-language-models,rag,rlvr,search-agent,verifier
GitHub 星标★ 849
上线时间2025-04-25 00:00:00
代码更新2025-11-05
仓库体积4.4 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

s3 是一个专注于提升检索增强生成（RAG）系统搜索效率与效果的训练框架，核心方法是通过强化学习（RL）和可验证奖励（RLVR）来训练搜索代理，仅需极少量数据即可实现高效训练。该项目解决了传统RAG中搜索策略依赖大量人工标注或启发式规则、难以自适应复杂查询的问题，使模型能够自主学习何时检索、如何构造查询以及如何整合结果。s3 提供了完整的训练流程、环境配置和评估脚本，支持与主流语言模型集成，并针对搜索代理的决策过程进行优化，显著提升检索准确率和响应速度。其创新点在于将强化学习应用于搜索策略的端到端训练，减少了对大规模标注数据的依赖，为构建更智能的RAG系统提供了新思路。

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 ★ 849

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级 约 45 分钟 部署方式：本地安装 4 步

环境要求

  • NVIDIA GPU 40G 显存以上
  • Python 3.9
  • CUDA 12.1

安装与启动步骤

  1. 1建环境

    搜索智能体训练框架，Python 3.9。

    conda create -n s3 python=3.9
conda activate s3
pip install torch==2.4.0 --index-url https://download.pytorch.org/whl/cu121

  2. 2装推理后端

    vllm 版本要和 torch 对齐。

    pip3 install vllm==0.6.3
pip3 install ray

  3. 3装项目

    可编辑安装，检索依赖 pyserini。

    pip install -e .
pip install pyserini wandb IPython matplotlib huggingface_hub

  4. 4下检索索引

    脚本按需拉 wiki 索引。

    python scripts/download.py --save_path $save_path

如何确认成功

训练脚本能跑起一轮，检索召回率有输出。

注意事项

  • 它只训搜索行为，不改生成模型，这是核心思路。
  • pyserini 要 Java 环境，缺 JDK 会报错。
  • flash-attn 要加 --no-build-isolation 装。

核心亮点

  • 仅需少量训练数据即可实现高效搜索代理训练，降低数据成本
  • 采用RLVR方法，通过可验证奖励信号优化搜索策略，效果显著
  • 提供完整训练与评估流程，易于复现和集成到现有RAG系统

不足之处

  • 项目处于早期阶段，文档和社区支持尚待完善
  • 对强化学习框架的依赖可能增加部署和调参复杂度

适用场景

  • 构建企业级RAG系统，需提升检索准确率与响应速度
  • 研究强化学习在信息检索中的应用，探索少样本训练方法
  • 开发自适应搜索代理，应对复杂多变的用户查询

替代项目

DSPy、RAFT、Self-RAG

上一篇：RepoAgent

下一篇：Awesome-Deep-Research

同类项目推荐

total-recall 开源

让 Claude Code 记住每次对话，告别重复解释

Persistent memory plugin for Claude Code. Tiered memory system with write gates, cor···

★ 202 2026-08-09
jacobian 开源

给 AI 智能体装上可组合的数学计算与定理证明工具

Composable mathematics tools for agents

★ 361 2026-10-18
skillstead 开源

给 AI 编程助手装上实用技能包，让图表更清晰、发布更安全。

Practical, portable skills for agentic coding workflows — clearer diagrams, checked···

★ 84 2026-08-09
ai-sdk-deep-research 开源

输入问题，自动生成深度研究报告

A minimal, end‑to‑end deep‑research agent implemented with AI SDK and Next.js

★ 114 2026-08-09
polymarket-mcp-server 开源

让 Claude 直接查行情、下单、盯仓位，玩转 Polymarket

AI-Powered MCP Server for Polymarket - Enable Claude to trade prediction markets wit···

★ 743 2026-10-10
Adrian 开源

实时拦截智能体恶意行为，让 AI 安全落地

Open-source runtime AI agent security tool - monitors and controls AI agents, catchi···

★ 589 2026-08-09
SuperNovaAgent 开源

把 AI 聊天变成可追踪、可回放的任务执行记录

SuperNova is a Windows-first desktop AI Workbench that turns chat into traceable tas···

★ 187 2026-08-09
mcp-server-langfuse 开源

把Langfuse提示词接入MCP，让AI应用动态调用、版本可控

Model Context Protocol (MCP) Server for Langfuse Prompt Management. This server allo···

★ 176 2026-08-09