agentic-rag

用Redis+Bedrock+LlamaIndex搭建能自主检索的智能RAG系统

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 10 👀 关注 4

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 102

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，MIT许可证，可自由使用和部署，无付费版本。

项目预览

项目数据

分类搜索知识

开发团队redis-developer

官网地址https://redis.io/solutions/vector-database

GitHubhttps://github.com/redis-developer/agentic-rag

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可自由使用和部署，无付费版本。

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MIT

主要语言Jupyter Notebook

技术栈/模型agents,ai21labs,amazon-bedrock,amazon-titan,genai-chatbot,llama-index,rag,redis,testcontainers,vector-search

GitHub 星标★ 102

上线时间2024-04-23 00:00:00

代码更新2024-12-05

仓库体积2.3 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7

项目介绍

agentic-rag 是一个演示如何构建 Agentic RAG（检索增强生成）架构的完整示例项目，它结合了 Redis、Amazon Bedrock 和 LlamaIndex。该项目旨在解决传统 RAG 系统在复杂查询、多步骤推理和动态信息检索方面的局限性，通过引入智能代理（Agent）来自动规划检索策略、调用工具并整合信息。其核心能力包括：基于 LlamaIndex 构建灵活的代理工作流，利用 Redis 作为高性能的向量数据库和缓存层，以及通过 Amazon Bedrock 接入多种大语言模型。项目提供了详细的代码示例和说明文档，帮助开发者理解和实现一个具备自主决策能力的 RAG 系统，从而提升问答、知识管理等场景下的准确性和效率。