UniversalRAG 是搜索知识领域的开源项目，由 wgcyeo 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 585 个项目，GitHub 星标数为 177。
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 2026-09-22。Apache-2.0许可，完全免费，可自行部署使用。
它主要面向的使用场景是：企业知识库问答，需同时检索文本、表格和图片。同类可对比的替代方案包括 LlamaIndex、Haystack、LangChain。
UniversalRAG
一套 RAG 搞定文本、表格、图像，多粒度检索更精准
UniversalRAG 是一个面向多模态、多粒度语料库的检索增强生成（RAG）框架，源自 ACL 2026 Oral 论文。它解决传统 RAG 系统难以统一处理文本、表格、图像、代码等多种模态数据，以及文档、段落、句子等不同粒度信息的问题。核心能力包括：跨模态统一索引与检索，将不同模态数据映射到共享语义空间；多粒度内容理解，支持从粗粒度文档到细粒度实体的灵活检索；以及端到端的生成增强，使 LLM 能基于检索结果生成更准确的回答。项目提供 Python 接口，便于集成到现有 AI 应用中。
开源
free
搜索知识
GitHub 星标
★ 177
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wgcyeo
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可，完全免费，可自行部署使用。
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ai,llm,multimodal,rag
GitHub 星标★ 177
30天Star增速
HF 下载量
上线时间2025-04-30 00:00:00
最近更新2026-09-22 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1
使用教程
核心亮点
- 首创统一多模态检索框架，突破传统 RAG 仅支持文本的限制
- 支持文档、段落、实体等多粒度检索，适配不同问答需求
- 基于 ACL 2026 Oral 论文，算法设计有学术背书
不足之处
- 项目处于早期阶段（174 星），API 和功能可能不稳定
- 文档/社区待观察
适用场景
- 企业知识库问答，需同时检索文本、表格和图片
- 学术文献综述，需跨段落、图表综合信息
- 多模态内容审核或推荐系统，需精准定位相关信息
替代项目
LlamaIndex、Haystack、LangChain
项目介绍
下一篇：DD_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···