LongRAG 是搜索知识领域的开源项目，由 TIGER-AI-Lab 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 585 个项目，GitHub 星标数为 250。
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 2026-09-17。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：复杂知识库问答，需要跨段落综合信息。同类可对比的替代方案包括 Self-RAG、CRAG、RAPTOR。
LongRAG
用长上下文LLM直接检索长文本，减少碎片化，提升问答准确率。
LongRAG 是一个检索增强生成（RAG）框架，旨在利用长上下文大语言模型（LLM）提升检索质量。传统 RAG 通常依赖短段落检索，导致信息碎片化和上下文缺失。LongRAG 将检索单元从短段落扩展为长文档或长文本块，使检索结果更完整、语义更连贯，从而减少生成阶段的幻觉并提高答案准确性。该项目提供了完整的官方实现，包括长文本分割、检索器适配和生成器集成等模块，支持在长上下文 LLM（如 GPT-4、Claude）上运行。核心能力在于通过长上下文理解，简化检索流程，降低对精细排序的依赖，同时提升复杂问题的回答质量。适合研究者和开发者用于构建高精度问答系统、知识库检索等场景。
开源
free
搜索知识
GitHub 星标
★ 250
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TIGER-AI-Lab
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型llm,rag
GitHub 星标★ 250
30天Star增速
HF 下载量
上线时间2024-06-18 00:00:00
最近更新2026-09-17 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
- 检索单元从短段落升级为长文档，减少信息碎片化，提升语义完整性
- 简化RAG流程，降低对复杂重排序模块的依赖，实现更轻量
- 官方实现，代码结构清晰，便于二次开发和实验复现
不足之处
- 依赖长上下文LLM，推理成本较高，不适合资源受限环境
- 文档/社区待观察
适用场景
- 复杂知识库问答，需要跨段落综合信息
- 长文档理解与摘要生成
- 研究长上下文LLM在RAG中的效果对比
替代项目
Self-RAG、CRAG、RAPTOR
项目介绍
上一篇：searcharvester
下一篇：knowledge-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···