AgentGuide

Appearance

📚进度:0/670%

🔥 2025年最全RAG知识库项目汇总 | 从入门到精通的150+开源项目清单 ​

💡 引言 ​

在大模型时代，**RAG（检索增强生成）**已成为构建智能问答系统、知识库助手和AI应用的核心技术。无论你是：

  • 🎓 学生/转行者：想通过实战项目提升简历竞争力
  • 💼 企业开发者：需要快速搭建私域知识库或智能客服
  • 🔬 技术研究者：探索GraphRAG、多模态检索等前沿方向
  • 🚀 创业者：寻找可落地的AI产品解决方案

这份汇总都能为你提供明确的方向！

本文精心整理了 150+ 个优质RAG开源项目，涵盖：

  • ✅ 开箱即用的企业级平台（如 Dify、FastGPT）
  • ✅ 核心开发框架（LangChain、LlamaIndex）
  • ✅ 前沿技术方向（GraphRAG、多智能体协作）
  • ✅ 完整评估体系（ragas、AutoRAG）
  • ✅ 实习/求职落地项目推荐

📋 目录 ​

🚀 开箱即用平台 ​

企业级RAG平台 ​

  • Dify - 开源LLM应用开发平台，集成AI工作流、RAG管道、Agent能力

  • AnythingLLM - 全能AI应用，支持任意LLM和完整RAG功能

  • RAGFlow - 基于深度文档理解的开源RAG引擎

  • RAGapp - 企业级Agent RAG最简方案

中文知识库系统 ​

  • MaxKB - 基于LLM的知识库问答系统，开箱即用，支持快速嵌入第三方业务系统

  • FastGPT - 知识库平台，支持可视化流程编排

  • Langchain-Chatchat - 基于Langchain与ChatGLM的本地知识库问答

个人文档助手 ​

  • Quivr - 个人生产力助手，支持PDF、CSV等文档对话

  • kotaemon - 简洁可定制的RAG聊天界面

  • QAnything - 网易有道出品，支持任意内容问答

  • Verba - Weaviate驱动的检索增强生成聊天机器人

🔧 核心开发框架 ​

主流开发框架 ​

  • LangChain - 使用LLM构建应用程序的框架，生态最完整

  • LlamaIndex - 构建数据驱动LLM应用程序的框架

  • Haystack - 使用神经网络构建搜索引擎的框架

  • BentoML - 构建推理API、LLM应用、多模型链和RAG

  • Dcup - 开源RAG即服务，自托管RAG管道

  • Scout - 使用LLM/向量数据库/网页抓取构建应用

专业化工具框架 ​

  • FlashRAG - 高效RAG研究工具包

  • RAGLite - 基于PostgreSQL/SQLite的轻量RAG工具

  • MiniRAG - 让小模型也能有好RAG性能的极简框架

  • Chonkie - 轻量快速的文本分块库

  • Rankify - 检索、重排序和RAG的综合工具包

  • TurboRAG - 通过预计算KV缓存加速RAG

新兴框架 ​

  • langflow - 构建、扩展和部署RAG及多智能体AI应用

  • dspy - 使用模块化编程构建语言模型应用

  • mem0 - AI应用的内存层

  • cognee - 构建GraphRAG应用的内存框架

  • ragbits - 快速开发GenAI应用的构建模块

  • Langroid - 轻松构建LLM驱动应用的Python框架

  • Swiftide - 使用LLM构建快速流式应用的Rust库

  • semantic-router - 使用语义向量路由LLM请求的框架

  • Swarm by OpenAI - 轻量级多智能体编排的教育框架

  • NeMo-Guardrails - 为基于LLM的应用添加可编程护栏

云服务与托管平台 ​

🔬 GraphRAG 图增强检索 ​

图RAG核心系统 ​

图RAG扩展工具 ​

⚙️ RAG 引擎与服务 ​

企业级RAG引擎 ​

  • R2R - RAG界的Elasticsearch，快速构建可扩展RAG解决方案

  • Agentset - 开源智能体RAG平台

  • TrustGraph - LLM无关的智能体开发平台

  • Engramic - 专注长期记忆和高级上下文管理的RAG引擎

  • Vectara - 快速构建AI助手和智能体的可信RAG平台

数据库集成RAG ​

  • PostgresML - Postgres + GPU，提供分块、嵌入、转换和排序功能

  • Korvus - 在单个数据库查询中完成整个RAG管道

  • pgai - 在PostgreSQL中开发RAG、语义搜索等AI应用的工具套件

  • txtai - 用于语义搜索、LLM编排和RAG工作流的一体化嵌入数据库

轻量化RAG工具 ​

  • Embedchain - 10行代码内个性化LLM响应的开源框架

  • dsRAG - 非结构化数据的高性能检索引擎

  • Flash-Rank - 使用成对或列表重排序器提高搜索精度

  • rag-citation - 结合RAG和自动引文生成提高内容可信度

  • mode - 专家模型、智能聚类和小数据集高效检索的RAG框架

  • haiku.rag - 基于SQLite的开源RAG框架，支持监控、CLI、搜索、问答

对话与界面工具 ​

  • chainlit - 几分钟内构建生产就绪的对话AI应用

  • pathway - 用于流处理、实时分析、LLM管道和RAG的Python ETL框架

  • cognita - 模块化开源生产应用的RAG框架

API与服务 ​

  • Liquid Index - 统一RAG平台，一个API搞定所有工具

  • Graphlit - 构建知识驱动AI应用和智能体的API优先平台

  • Interchange - 从文档上传到搜索的端到端RAG API

  • ZeroEntropy AI - 开源重排序器、嵌入和端到端检索API

  • memori - 为AI智能体提供类人记忆的多智能体记忆引擎

特殊用途RAG ​

  • KAG - 基于OpenSPG引擎的知识增强生成框架

  • CAG - 利用现代LLM扩展上下文窗口的缓存增强生成

  • RAG-GPT - 利用LLM和RAG技术学习用户定制知识库

  • TEN - 下一代AI智能体框架，世界首个真正实时多模态AI智能体框架

  • RAG-Anything - 全能RAG系统

📊 评估与优化框架 ​

核心评估工具 ​

  • ragas - 评估和量化RAG管道性能的框架

  • AutoRAG - 端到端RAG优化：解析、分块、评估数据集创建和管道部署

  • XRAG - 评估高级RAG系统基础组件的基准框架

监控与可观测性 ​

  • Trulens - 通过反馈函数测量和增强LLM应用质量

  • Phoenix - 为实验、评估和故障排除设计的AI可观测性平台

  • langfuse - 追踪、评估、提示管理和指标，调试和改进LLM应用

  • StepsTrack - 跟踪、检查和可视化管道每个步骤的可观测性工具

优化与调试工具 ​

  • TextGrad - 基于LLM的文本优化框架，专注减少幻觉和改进提示

  • Deepchecks - AI和ML模型的持续验证，检测数据漂移和模型问题

  • evalmy.ai - 微调轻量级RAG评估服务 + Python客户端库

  • syftr - 多目标端到端智能体RAG优化

  • zbench - 检索和重排序的标注评估框架

专业评估模型 ​

  • Vectara HHEM - RAG幻觉评估模型

  • LMUnit - 为评估自然语言单元测试优化的语言模型

📄 数据处理框架 ​

ETL与索引框架 ​

  • CocoIndex - 构建新鲜索引的ETL框架

  • Gitana.io - 编辑审批和定时部署训练数据集到RAG向量数据库的内容平台

  • Chonkie - 无废话、轻量级快速的RAG分块库

🎯 实际应用项目 ​

文档解析与处理 ​

  • LlamaParse - GenAI原生文档解析平台

  • Unstructured.io - 为标注、训练或生产ML构建自定义预处理管道

  • Unstract - 启动API和ETL管道以结构化非结构化文档的无代码平台

  • Reducto - 解析复杂文档并创建LLM就绪输入

  • Chunkr - 基于视觉模型的PDF分块和OCR，优化大数据集快速处理

  • extractous - AI应用的极快数据提取

  • zchunk - 开源高效的基于LLM的分块工具

  • ChatDOC PDF Parser - 将文档转换为RAG系统完美结构化数据的精确PDF解析

专业应用平台 ​

  • Langchain-extract - 使用LLM从文本和文件中提取信息的Web服务器

  • Needle - 开箱即用的生产就绪RAG管道

  • Raggenie - 构建自定义基于RAG的AI应用的低代码平台

  • tldw - 类似NotebookLM的开源项目

  • SWIRL - 工作场所AI搜索和RAG，立即获得公司知识AI洞察

  • Gurubase - 通过索引网站、PDF文档、YouTube视频和GitHub代码库创建AI驱动的问答助手

  • Archive Agent - 带OCR + AI搜索的开源语义文件跟踪器

  • hydrot - 为企业文档设计的生产就绪RAG系统，支持markdown内容

商业服务平台 ​

  • Humata.ai - 跨所有文档文件提问

  • Ragie.ai - 为开发者提供的完全托管RAG即服务

  • Midship - 直接提取文档数据到电子表格/ERP/CRM

  • DocuPanda - 将文档转换为结构化标准字段和值集合

特殊工具与集成 ​

📚 学习资源与社区 ​

技术资源与论文 ​

社区与协作 ​

🏆 模型排行榜 ​

性能评估榜单 ​

实习/转行落地项目推荐： ​

1. graph-rag-agent (https://github.com/1517005260/graph-rag-agent) ​

  • 完整描述：这是一个聚焦于GraphRAG与私域Deep Search结合的项目，实现可解释、可推理的智能问答系统。融合GraphRAG、LightRAG、Neo4j-llm-graph-builder进行知识图谱构建和搜索；整合DeepSearch技术实现私域RAG推理；自制针对GraphRAG的评估框架，支持多Agent协作和知识图谱增强，构建完整的RAG智能交互解决方案。支持多格式文档处理（TXT、PDF、MD、DOCX、DOC、CSV、JSON、YAML/YML），包括实体提取、增量更新、社区检测和一致性验证。

  • Star数：约1.2k。

  • 业务背景/用例：适用于私域知识管理、智能问答和复杂问题解决场景，如企业内部文档查询、政策解读或学生奖学金申请条件分析。通过多Agent协作处理复杂任务，适合教育、金融或法律等需要推理的业务。

  • 关键特征（包含RAG+Agent）：是的，使用GraphRAG进行检索增强生成，支持多级检索策略（本地、全局、混合搜索）和图谱增强上下文；Agent类型包括NaiveRagAgent、GraphAgent、HybridAgent、DeepResearchAgent、FusionGraphRAGAgent，支持多步思考-搜索-推理、证据链跟踪和可视化。评估框架有20+指标，RESTful API支持部署。

  • 编程语言：Python（基于FastAPI和相关LLM库）。

  • 最后更新日期：未明确，但仓库活跃，包含近期提交如添加OpenAI temporal graph agent示例。

  • Demo/示例：提供终端测试输出（如查询“优秀学生的申请条件是什么？”的性能指标和结果）；Web Demo截图展示非调试/调试模式下的问答、轨迹跟踪、知识图谱和文档来源；快速启动文档（https://github.com/1517005260/graph-rag-agent/blob/master/assets/start.md）。

2. chatwiki (https://github.com/zhimaAi/chatwiki) ​

  • 完整描述：这是一个开箱即用的基于企业私有知识库的LLM大语言模型智能客服机器人问答系统，支持私有化部署。由芝麻小客服官方推出，基于RAG和GraphRAG知识图谱构建，提供数据处理、模型调用，支持docx、Excel、PDF、OFD、PPT、Markdown等格式。支持20+大模型如DeepSeek、Qwen、OpenAI、Claude等。

  • Star数：未找到明确数据（可能低于100，仓库相对新或 niche）。

  • 业务背景/用例：针对企业、大学和政府部门构建私有知识库AI问答系统，如客服支持、帮助中心、FAQ管理。多终端集成（网站、桌面客户端、微信、抖音、快手、API），处理通用用户查询，支持人工客服转介。适用于多步任务编排和业务系统集成，提高效率和隐私保护。

  • 关键特征（包含RAG+Agent）：是的，核心基于RAG检索增强生成，支持知识图谱和向量混合检索（可视化）；文本/图像回复、实时对话监控、问题优化和“猜你想问”推荐；细粒度权限管理、本地数据存储（加密、审计日志）；自动数据预处理、分段和向量化。Agent方面虽未明确，但支持工作流配置实现多步任务代理。

  • 编程语言：前端Vue.js，后端Golang + Python。

  • 最后更新日期：2025/09/26（包括工作流AI对话节点优化和性能提升）。

  • Demo/示例：在线云版本（https://chatwiki.com）；WebApp Demo（http://h5.wikichat.com.cn/#/chat?robot_key=lTo85wvGSj）；客户端Demo下载（https://chatwiki.oss-cn-hangzhou.aliyuncs.com/demo/chatwiki.zip）；演示视频（https://xkf-upload-oss.xiaokefu.com.cn/chatwiki/Introductory.mp4）；界面截图展示知识库管理、对话和检索。

项目名称GitHub 链接简要描述业务背景Star数
Controllable-RAG-Agenthttps://github.com/NirDiamant/Controllable-RAG-Agent高级RAG解决方案，使用确定性图谱作为Agent“大脑”，支持多步推理和幻觉预防。文档分析和复杂查询，如法律审查或研究工具。1.4k
LLMs-in-Financehttps://github.com/hananedupouy/LLMs-in-Finance使用AutoGen等构建AI Agents，支持RAG检索和金融文档解析。金融分析，如市场趋势和交易策略。659
finllm-appshttps://github.com/tinztwins/finllm-apps金融LLM应用集合，使用RAG和AI Agents，本地运行开源模型。金融数据处理，适合隐私敏感场景。134
MedRAGhttps://github.com/Teddy-XiongGZ/MedRAGRAG工具包，支持多代理框架，用于医疗QA的多步推理。医疗问答，如临床决策和文献分析。429
Multi-Agent-Medical-Assistanthttps://github.com/souvikmajumder26/Multi-Agent-Medical-Assistant多代理医疗助手，使用RAG和代理协作，支持图像分析和实时检索。医疗诊断和研究，如脑瘤检测。564

这些筛选后的项目Star较高，社区活跃，便于落地。如果需要更多细节或额外搜索特定场景的项目，请告知！

🎯 选择建议 ​

新手入门推荐 ​

  1. 个人学习 → Quivr / kotaemon

  2. 企业试点 → MaxKB / FastGPT

  3. 开发实验 → Dify / AnythingLLM

进阶应用推荐 ​

  1. 图谱增强 → LightRAG / GraphRAG

  2. 性能优化 → FlashRAG / AutoRAG

  3. 生产部署 → RAGFlow / R2R

技术研究推荐 ​

  1. 评估测试 → ragas / XRAG

  2. 算法优化 → RAG Techniques

  3. 前沿探索 → ColPali / TEN

Released under the MIT License.

Copyright © 2026-present AgentGuide Contributors