MRAG 是搜索知识领域的开源项目，由 spcl 开发，2024 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 242。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-17。无在线服务，需自行部署，完全免费。
它主要面向的使用场景是：多跳问答：需要综合多个文档信息回答的问题。同类可对比的替代方案包括 LangChain、LlamaIndex、RAGFlow。
MRAG
多角度检索，让大模型回答复杂问题更全面
MRAG（Multi-Head RAG）是论文《Multi-Head RAG: Solving Multi-Aspect Problems with LLMs》的官方实现，旨在解决传统RAG（检索增强生成）在处理多维度、多方面问题时检索结果不全面的痛点。它通过多头注意力机制，将查询分解为多个子方面，每个头独立检索相关文档，再融合生成答案，从而提升对复杂问题的回答质量。核心能力包括：支持多种嵌入模型、提供端到端的检索与生成流程、内置评估脚本。项目处于早期阶段，代码结构清晰，适合研究者和开发者探索多方面检索技术。
开源
free
搜索知识
GitHub 星标
★ 242
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队spcl
所属国家
定价模式free
价格说明开源项目，无在线服务，需自行部署，完全免费。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型llm,multi-aspect,rag,retrieval-augmented-generation
GitHub 星标★ 242
30天Star增速
HF 下载量
上线时间2024-05-16 00:00:00
最近更新2026-06-17 00:00:00
维护状态低维护
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2
使用教程
核心亮点
- 多头注意力机制，能同时检索多个子方面，提升复杂问题回答的完整性
- 官方实现，代码与论文对应，便于复现实验结果
- 支持自定义嵌入模型，灵活适配不同场景
不足之处
- 项目早期，文档和社区支持待观察
- 依赖特定模型和框架，集成成本可能较高
适用场景
- 多跳问答：需要综合多个文档信息回答的问题
- 企业知识库：用户查询涉及多个维度（如产品、价格、售后）
- 研究实验：对比多头RAG与传统RAG的检索效果
替代项目
LangChain、LlamaIndex、RAGFlow
项目介绍
上一篇：rag-ecosystem
下一篇：vector-graph-rag
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···