retrieval-augmented-generation 第 2 页

本站收录 202 个带「retrieval-augmented-generation」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 5 页）

RAG-RetrievalRAG-Retrieval 是一个专注于统一 RAG（检索增强生成）检索环节高效微调的开源框架，覆盖 Embedding 模型、ColBERT 模型和 ReRa★ 1,136JamAIBaseJamAIBase 是一个将电子表格与 AI 能力深度融合的协作平台，旨在解决 AI 应用开发中提示词调试、模型对比和结果评估流程繁琐的问题。它允许用户将单元格★ 1,103chromem-gochromem-go 是一个为 Go 语言设计的嵌入式向量数据库，提供与 Chroma 类似的接口，且零第三方依赖。它主要解决 Go 开发者在构建 AI 应用时★ 1,069agenticaagentica 是一个基于 TypeScript 的 AI 函数调用框架，通过编译器技能（compiler skills）增强大语言模型的函数调用能力。它解决★ 1,046fastembed-rsfastembed-rs 是一个用 Rust 实现的向量嵌入与重排序库，旨在本地生成高质量的文本嵌入向量，并支持本地重排序。它解决了在 Rust 生态中缺乏高性★ 1,042FlashRankFlashRank 是一个轻量级、超快的重排序库，专为搜索和检索管道设计。它解决了在生产环境中部署大型重排序模型时面临的延迟和资源消耗问题，通过优化推理过程，实★ 1,010Multi-Agent-Medical-AssistantMulti-Agent-Medical-Assistant 是一个基于生成式 AI 的多智能体医疗诊断与健康研究辅助聊天机器人，面向医疗专业人员、研究人员和患者★ 993start-llmsstart-llms 是一份面向 2026 年的 LLM 学习路线图，旨在帮助几乎没有背景的初学者系统入门并持续提升大语言模型技能。项目以指南形式组织，涵盖从基★ 985VisRAGVisRAG 是一个基于视觉语言模型（VLM）的解析免检索增强生成（RAG）框架。传统 RAG 依赖文本解析（如 PDF 转文本），而 VisRAG 直接将文档★ 984rag-fusionRAG-Fusion 是一个改进检索增强生成（RAG）流程的开源项目，核心解决传统 RAG 中单一查询可能遗漏关键信息、导致生成结果不准确的问题。它通过多查询生★ 959Local_Pdf_Chat_RAG这是一个用纯原生 Python 实现的 RAG（检索增强生成）框架，专注于本地 PDF 文档的智能问答。它解决了本地文档无法直接与大模型对话的问题，通过 FAI★ 959KG_RAGKG_RAG 是一个基于知识图谱的检索增强生成（RAG）框架，旨在增强大语言模型在知识密集型任务上的表现。它通过将知识图谱的结构化知识与 LLM 的生成能力相结★ 947rag-timeRAG Time 是一个为期五周的开源学习路径，旨在帮助开发者系统掌握检索增强生成（RAG）技术。该项目以 Jupyter Notebook 形式呈现，从基础概★ 912serverless-chat-langchainjs这是一个基于 LangChain.js、TypeScript 和 Azure 的 Serverless AI 聊天应用模板，核心是检索增强生成（RAG）。它解决★ 863rag-demystifiedrag-demystified 是一个从零开始构建的、由 LLM 驱动的进阶 RAG（检索增强生成）管道开源项目。它旨在揭开 RAG 技术的神秘面纱，通过清晰、★ 855Medical-Graph-RAGMedical-Graph-RAG 是一个面向循证医学信息检索的图检索增强生成系统，发表于 ACL 2025。它针对传统 RAG 在医疗领域缺乏可解释性和证据溯★ 837rag这是NVIDIA推出的RAG参考蓝图，旨在为开发者提供一套基础但完整的检索增强生成（RAG）流水线实现。它解决了构建RAG系统时常见的架构设计、组件选型和性能调★ 795swiftideswiftide 是一个基于 Rust 的流式索引、查询与智能体 LLM 应用框架。它旨在解决构建 LLM 应用时数据管道复杂、性能瓶颈和开发效率低的问题。核心★ 794local-raglocal-rag 是一个基于 Python 的本地化 RAG（检索增强生成）工具，专注于让用户在不依赖任何第三方服务、不将敏感数据传出本地网络的前提下，完成文★ 763buffer-of-thought-llmBuffer of Thoughts（BoT）是一个NeurIPS 2024 Spotlight开源项目，旨在通过“思想缓冲”机制增强大语言模型的多步推理能力。★ 677RAGLightRAGLight 是一个模块化的检索增强生成（RAG）框架，旨在简化 RAG 应用的构建过程。它解决了传统 RAG 实现中组件耦合度高、替换困难的问题，允许开发★ 672llm-searchllm-search 是一个基于大型语言模型（LLM）的本地文档智能查询工具，旨在解决用户从海量本地文件中快速、准确地获取信息的问题。它利用检索增强生成（RAG★ 663EasyRAGEasyRAG 是一个易用的 RAG（检索增强生成）框架，源自 CCF AIOps 国际挑战赛 2024 的季军方案。它旨在解决企业落地 RAG 时面临的工程复★ 641agenttyagentty 是一个运行在终端里的 AI 结对编程工具，采用 C++ 编写并编译为单一静态二进制文件，启动时间低于毫秒级，支持接入任意模型（如 Anthrop★ 625MiniSearchMiniSearch 是一个极简的网页搜索平台，内置 AI 助手，完全在浏览器中运行，无需后端服务器。它解决了传统搜索依赖云端服务、隐私易泄露的问题，通过本地化★ 601EnterpriseRAG-BenchEnterpriseRAG-Bench 是一个专为企业内部文档场景设计的 RAG（检索增强生成）评测基准与数据集。它解决的核心问题是：通用 RAG 评测集（如自★ 600AnglEAnglE是一个用于训练和推理高质量句子嵌入（Sentence Embeddings）的Python开源库，旨在解决文本语义相似度计算、检索和聚类等任务中嵌入表★ 575aisearch-openai-rag-audio这是一个基于VoiceRAG模式的开源示例项目，旨在通过语音交互与RAG（检索增强生成）结合，构建生成式AI语音体验。它使用Azure AI Search作为检★ 562ArXivChatGuruArXivChatGuru 是一个基于 LangChain、OpenAI、Streamlit 和 Redis 构建的科研论文对话工具。它允许用户直接与 ArXi★ 562agent-searchAgentSearch 是一个用于构建搜索代理（search agents）的 Python 框架，旨在让开发者能够轻松地将自定义搜索能力集成到 AI 代理中。★ 561MimirQMimirQ 是一个面向中文企业场景的 RAG 知识库解决方案，核心解决企业文档解析难、检索不准、引用不可控的问题。它提供从文档解析、数据治理、智能切块到混合检★ 559HiRAGHiRAG 是一个基于层级知识图谱的 Graph RAG 系统，旨在解决传统 RAG 在复杂多跳推理和全局性问题上的不足。它通过构建分层知识结构，将文档信息组织★ 556Multimodal-RAG-SurveyMultimodal-RAG-Survey 是一份关于多模态检索增强生成（RAG）的综述性开源项目，旨在系统梳理多模态RAG领域的研究进展、技术方法和未来方向。★ 546generative-ai-cdk-constructsAWS Generative AI CDK Constructs 是 AWS 官方提供的 CDK 构造库，用 TypeScript 把常见生成式 AI 架构封装★ 544askimoaskimo 是一个基于 Kotlin 构建的 AI 客户端，定位为面向开发者和高级用户的统一对话与智能体工作台。它解决的是多模型、多工具分散使用的问题，将聊天★ 533NexusRAGNexusRAG 是一个混合检索增强生成（RAG）系统，旨在解决传统向量检索在复杂查询中上下文缺失、答案不准确的问题。它结合了向量搜索、知识图谱（基于 Ligh★ 530Awesome-RAGAwesome-RAG 是一个专注于检索增强生成（RAG）技术发展的资源列表，旨在为大型语言模型（LLMs）开发者提供精选的论文、工具、框架和最佳实践。它系统性★ 520continuous-evalcontinuous-eval 是一个面向 LLM 应用的、数据驱动的评估工具。它解决的是 LLM 应用在开发迭代过程中缺乏客观、可量化评估标准的问题，帮助开发★ 519manifoldManifold 是一个实验性平台，旨在利用多智能体（AI assistants）团队实现长周期工作流的自动化。它解决的是传统自动化工具难以处理复杂、多步骤、需★ 502OmniThinkOmniThink 是一个面向机器写作的开源框架，核心思想是让 AI 在生成文章前先进行类似人类的“思考”过程，从而扩展知识边界，提升内容的深度和广度。它解决的★ 485ragrag 是一个基于 txtai 的检索增强生成（RAG）实现，旨在将搜索引擎与大语言模型（LLM）结合，帮助用户从自有数据中挖掘洞察。它解决了传统 LLM 无法★ 465LightningRAGLightningRAG 是一个基于 Vue + Gin 的全栈 RAG 启动项目，前后端分离，内置可扩展的检索增强生成能力。它解决了开发者从零搭建 RAG 应★ 454awesome-ragawesome-rag 是一个精心整理的检索增强生成（RAG）资源清单，旨在帮助开发者、研究者和爱好者系统性地了解 RAG 技术在大语言模型中的应用。该项目通过★ 454mlx-embeddingsMLX-Embeddings 是一个专为 Mac 用户设计的本地嵌入模型运行工具，基于 Apple 的 MLX 框架，支持在本地运行视觉和语言嵌入模型。它解决了★ 449redis-vl-pythonRedisVL 是 Redis 官方推出的 AI 原生 Python 客户端库，旨在弥合传统 Redis 数据库与向量检索、AI 应用之间的鸿沟。它解决了开发者★ 432dockershrinkdockershrink 是一个用 Go 编写的 AI 助手，旨在自动缩减 Docker 镜像体积。它利用检索增强生成（RAG）技术，结合 AI 能力分析 Do★ 418CRUD_RAGCRUD-RAG 是一个专为中文检索增强生成（RAG）技术设计的综合评测基准。它针对大语言模型在知识密集型任务中的表现，提供了一套系统化的评估框架。该项目解决了★ 418open-rag-evalopen-rag-eval 是一个用于评估检索增强生成（RAG）系统的开源工具，核心特点是无需人工标注的“黄金答案”即可进行评测。它通过自动生成合成查询和评估指★ 415freshqaFreshQA是一个用于评估大型语言模型（LLM）事实性和时效性的问答基准数据集，源自论文FreshLLMs。它包含约600个需要最新信息才能正确回答的问题，覆★ 404LastChatLastChat 是一个基于 Rikkahub 二次开发的 Android 对话助手应用，采用 Kotlin 编写，重点对用户界面进行了全面重构，并新增了多项功★ 378

相关标签

rag1205llm3432large-language-models1059ai2792python1570vector-database156generative-ai568embeddings161openai1221vector-search131langchain393artificial-intelligence538