Large-Language-Models

智能爬虫+知识图谱,让LLM直接吃到结构化知识

xLLM 是一个面向大规模语言模型应用的知识发现与检索系统,当前版本为1.0。它通过智能爬取技术自动抓取互联网上的多源信息,并利用知识图谱技术对抓取到的数据进行实体识别、关系抽取与结构化组织,从而构建起可查询、可推理的知识网络。该项目旨在解决传统搜索引擎返回结果碎片化、缺乏语义关联的问题,为上层LLM应用提供高质量、结构化的知识供给。核心能力包括:自适应爬虫策略(可根据站点结构动态调整抓取规则)、知识图谱自动构建(支持实体链接与关系抽取)、以及面向LLM的检索增强接口(支持自然语言查询并返回图谱子图)。项目目前处于早期阶段,代码以TeX文档形式呈现,可能更多聚焦于方案设计与算法描述,而非完整的工程实现。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 475
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VincentGranville
所属国家
定价模式free
价格说明开源项目,无官网,需自行部署,全部功能免费。
访问状态
是否开源是
开源协议
主要语言TeX
技术栈/模型llm,rag,xllm
GitHub 星标★ 475
30天Star增速
HF 下载量
上线时间2023-12-17 00:00:00
最近更新2026-06-06 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

  • 提出将智能爬虫与知识图谱结合,直击LLM知识更新慢、检索碎片化的痛点
  • 支持动态调整抓取规则,对多类型网站有较好适应性
  • 面向LLM的检索增强设计,输出知识子图而非零散文本,利于推理

不足之处

  • 项目以TeX文档为主,缺乏可运行代码,工程化程度低
  • 文档/社区待观察

适用场景

  • 为垂直领域问答机器人构建实时更新的知识库
  • 辅助RAG系统进行实体关系增强,提升多跳推理准确率
  • 用于舆情分析或行业研究,自动抽取事件关联图谱

替代项目

Haystack、LlamaIndex、txtai

项目介绍

Large-Language-Models 是开源模型领域的开源项目,由 VincentGranville 开发,2023 年首次发布。

它收录于开源模型分类,该分类目前共有 424 个项目,GitHub 星标数为 475。

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 2026-06-06。无官网,需自行部署,全部功能免费。

它主要面向的使用场景是:为垂直领域问答机器人构建实时更新的知识库。同类可对比的替代方案包括 Haystack、LlamaIndex、txtai。

同类项目推荐

Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库,免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10