gfm-rag 是搜索知识领域的开源项目，由 RManLuo 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 299。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-19。Apache-2.0许可证，可免费使用和部署。
它主要面向的使用场景是：多跳问答：回答需要跨多个文档推理的问题。同类可对比的替代方案包括 GraphRAG、LightRAG、HippoRAG。
gfm-rag
给 RAG 装上图神经网络，让检索更懂关系
gfm-rag 是一个面向检索增强生成（RAG）的图基础模型，发表于 NeurIPS'25 和 ICLR'26。它解决传统 RAG 中文本检索无法捕捉实体间复杂关系、导致答案不完整或缺乏可解释性的问题。核心能力是将知识图谱与图神经网络结合，对文档进行图结构建模，学习节点和边的表示，从而在检索阶段不仅匹配文本，还能理解语义关联。它支持端到端的训练与推理，可灵活接入现有 RAG 流水线，提升多跳问答、事实验证等任务的准确性和可解释性。项目提供 Python 接口，适合研究者和工程师进行实验与二次开发。
开源
free
搜索知识
GitHub 星标
★ 299
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队RManLuo
所属国家
定价模式free
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
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型gpt,graphrag,knowledge-graph,large-language-models,llm,rag,retrieval-augmented-generation
GitHub 星标★ 299
30天Star增速
HF 下载量
上线时间2025-01-31 00:00:00
最近更新2026-09-19 00:00:00
维护状态较活跃
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0
使用教程
核心亮点
- 将图结构引入 RAG，显著提升多跳问答和关系推理能力
- 基于 NeurIPS/ICLR 论文，算法有理论保障，实验效果扎实
- 提供 Python 接口，易于集成到现有 RAG 流程
不足之处
- 项目早期，文档和社区支持待完善
- 依赖图构建与训练，对非技术用户上手门槛较高
适用场景
- 多跳问答：回答需要跨多个文档推理的问题
- 事实验证：判断复杂陈述是否与知识库一致
- 知识密集型检索：如医疗、法律等专业领域的精准信息获取
替代项目
GraphRAG、LightRAG、HippoRAG
项目介绍
上一篇：DeepWideResearch
下一篇：pdfdeal
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···