一、17個傳統(tǒng) RAG 框架

傳統(tǒng)的RAG（Retrieval-Augmented Generation）框架，是一種集成了多個關(guān)鍵環(huán)節(jié)的綜合體系，這些環(huán)節(jié)包括文本切塊（Chunk）、向量轉(zhuǎn)換（向量化）、數(shù)據(jù)存儲、信息檢索、二次排序、內(nèi)容生成、內(nèi)容評估等。該框架的精髓在于能夠靈活適應(yīng)各種策略，例如文檔處理方法和檢索策略等。其中，具有代表性的實現(xiàn)有RAGFlow（專注于深度文檔理解）、QAnything（引入重排序 Rerank 機制）以及高度可配置的 Dify 等。這些實現(xiàn)雖然在細(xì)節(jié)上有所差異，但基本原理相似。以下是17個傳統(tǒng) RAG 框架的總結(jié)：

1.AnythingLLM，具備完整的 RAG（檢索增強生成）和AI代理能力。Github 地址：??https://github.com/Mintplex-Labs/anything-llm??

2.MaxKB，基于大型語言模型的知識庫問答系統(tǒng)。即插即用，支持快速嵌入到第三方業(yè)務(wù)系統(tǒng)。Github 地址：https://github.com/1Panel-dev/MaxKB

3.RAGFlow，一個基于深度文檔理解的開源RAG（檢索增強生成）引擎。Github 地址：https://github.com/infiniflow/ragflow

4.Dify，一個開源的大型語言模型應(yīng)用開發(fā)平臺。Dify直觀的界面結(jié)合了AI工作流、RAG流程、代理能力、模型管理、可觀測性功能等，讓您能快速從原型階段過渡到生產(chǎn)階段。Github 地址：https://github.com/langgenius/dify

5.FastGPT，基于LLM構(gòu)建的知識型平臺，提供即開即用的數(shù)據(jù)加工和模型調(diào)用能力，允許通過流程可視化進行工作流編排。Github 地址：https://github.com/labring/FastGPT

6.Langchain-Chatchat，基于Langchain和ChatGLM等不同大模型的本地知識庫問答。Github 地址：https://github.com/chatchat-space/Langchain-Chatchat

7.QAnything，基于Anything的問題和答案。Github 地址：https://github.com/netease-youdao/QAnything

8.Quivr，使用Langchain、GPT 3.5/4 turbo、Private、Anthropic、VertexAI、Ollama、LLMs、Groq等與文檔（PDF、CSV等）和應(yīng)用程序交互，本地和私有的替代OpenAI GPTs和ChatGPT。Github 地址：https://github.com/QuivrHQ/quivr

9.RAG-GPT，RAG-GPT利用LLM和RAG技術(shù)，從用戶自定義的知識庫中學(xué)習(xí)，為廣泛的查詢提供上下文相關(guān)的答案，確?？焖贉?zhǔn)確的信息檢索。Github 地址：https://github.com/open-kf/rag-gpt

10.Verba，由Weaviate驅(qū)動的檢索增強生成（RAG）聊天機器人。地址：https://github.com/weaviate/Verba

11.FlashRAG，一個用于高效RAG研究的Python工具包。Github 地址：https://github.com/RUC-NLPIR/FlashRAG

12.LightRAG，檢索器-代理-生成器式的RAG框架。Github 地址：https://github.com/SylphAI-Inc/LightRAG

13.kotaemon，一個開源的干凈且可定制的RAG UI。Github 地址：https://github.com/Cinnamon/kotaemon，

14.RAGapp，在企業(yè)中使用Agentic RAG的最簡單方式。Github 地址：https://github.com/ragapp/ragapp

15.TurboRAG，通過預(yù)計算的KV緩存加速檢索增強生成，適用于分塊文本。Github 地址：https://github.com/MooreThreads/TurboRAG

16.TEN，實時多模態(tài)AI代理框架。Github 地址：https://github.com/TEN-framework/ten_framework

17.AutoRAG，RAG AutoML工具。Github 地址：https://github.com/Marker-Inc-Korea/AutoRAG

二、7個 GraphRAG 框架

GraphRAG 框架在微軟頗受歡迎，隨后衍生出了多個輕量級改進版本，例如LightRAG 和 nano-GraphRAG。同時，也有一些獨具特色的變體，如 KAG。這些框架的核心改進在于，它們在傳統(tǒng) RAG 的基礎(chǔ)上，加強了實體、社區(qū)以及文本切塊（Chunk）之間的聯(lián)系，并融入了現(xiàn)有知識圖譜（KG）的知識，以此來提高信息檢索的召回率和準(zhǔn)確性。

這里總結(jié)7個：

1.LightRAG，簡單快速的Graphrag檢索增強生成。Github 地址：https://github.com/HKUDS/LightRAG

2.GraphRAG-Ollama-UI，使用Ollama的GraphRAG，帶有Gradio UI和額外功能。Github 地址：https://github.com/severian42/GraphRAG-Ollama-UI

3.microsoft-GraphRAG，一個模塊化的基于圖的檢索增強生成（RAG）系統(tǒng)。地址：Github ??https://github.com/microsoft/graphrag??

4.nano-GraphRAG，一個簡單、易于修改的GraphRAG實現(xiàn)。Github 地址：https://github.com/gusye1234/nano-graphrag

5.KAG，基于OpenSPG引擎的知識增強生成框架，用于構(gòu)建知識增強的嚴(yán)格決策制定和信息檢索知識服務(wù)。Github 地址：https://github.com/OpenSPG/KAG

6.Fast-GraphRAG，GraphRAG的輕量化版本。Github 地址：https://github.com/circlemind-ai/fast-graphrag

7.Tiny-GraphRAG，一個小巧的GraphRAG實現(xiàn)。地址：https://github.com/limafang/tiny-graphrag

在探索先進的信息處理技術(shù)領(lǐng)域，RAG 框架及其多樣化的應(yīng)用方案，比如：Naive RAG、Agentic RAG、Advanced RAG 等等，已經(jīng)成為行業(yè)內(nèi)的熱門話題。為了幫助技術(shù)愛好者們深入理解和應(yīng)用這些技術(shù)，我們精心打造了 AI Agent 項目實戰(zhàn)訓(xùn)練營。這個訓(xùn)練營旨在通過實戰(zhàn)演練，讓您直接體驗到從數(shù)據(jù)切割到內(nèi)容生成的全流程，掌握關(guān)鍵技術(shù)的應(yīng)用要領(lǐng)。我們承諾，通過專業(yè)的指導(dǎo)和實戰(zhàn)操作，您將能夠系統(tǒng)地提升自己在信息處理技術(shù)方面的實踐能力。現(xiàn)在就加入我們，一起在 Agent 項目實戰(zhàn)訓(xùn)練營中開啟您的技術(shù)成長新篇章！

3、

第一、這是大勢所趨，我能正在經(jīng)歷一場重大技術(shù)變革，還不像當(dāng)年的互聯(lián)網(wǎng)的興起，這是一場顛覆性的變革，掉隊就等于淘汰，因為未來所有應(yīng)用都將被AI Agent 重寫一遍；

第二、現(xiàn)在處于紅利期，先入場的同學(xué)至少會享受4~5年的紅利，拿高薪，并且會掌握更多的資源。

第三、企業(yè)需求旺盛，越來越多的企業(yè)開始在 AI Agent 領(lǐng)域進行創(chuàng)新嘗試，這為我們提供了豐富的崗位機會和廣闊的發(fā)展空間。

最近兩年一直在研究大模型應(yīng)用技術(shù)，大模型的價值太大了，AI Agent 的潛力太大了，“未來所有應(yīng)用都將被 AI Agent 重寫一遍”這句話也是今天聽到最多的一句話。我的團隊這兩年，尤其是今年接了很多開發(fā) AI Agent 的項目，越來越多的企業(yè)都開始做這方面的創(chuàng)新嘗試。

AI Agent 足夠重要，但也足夠復(fù)雜，我這兩年的實踐的結(jié)論是，想開發(fā)出一個能夠可靠穩(wěn)定的 Agent 應(yīng)用實在太難了，大模型技術(shù)本身的復(fù)雜度，大模型推理的不確定性等等，這些困難直接導(dǎo)致很人對其望而卻步，或是遇到問題無從下手。一般的技術(shù)同學(xué)想要自己掌握 Agent 太難了。

本文轉(zhuǎn)載自公眾號玄姐聊AGI  作者：玄姐

原文鏈接：??https://mp.weixin.qq.com/s/bn0NTbzcap5GFG51wpvOkg??