GitHub Stars
1.5K
Forks数量
224
贡献者数量
13
许可证
MIT
收录理由
做知识型大模型应用的团队，在经典RAG上常会遇到三件头疼事：检索环节拖慢响应、检索器偶尔选错文档、多出来的流水线让系统维护变得更重。CAG干脆绕开这些麻烦，先把相关资料全部塞进模型的上下文窗口，缓存好KV参数，推理时直接生成答案，中间省掉检索这一步。仓库里带了能跑的Python脚本，既有CAG路径，也有传统RAG基线，在SQuAD和HotPotQA上做过评测，模型和相似度指标都可以替换。如果你想验证一下不靠检索的生成方式能不能保住准确率，这套代码算是个挺扎实的参考。不过它属于研究型代码，不是拿来即用的服务，README也坦率指出了真正的限制：知识源必须整个塞进上下文窗口，这个约束在决定采用之前值得仔细掂量。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，将前沿 RAG 与 Agent 能力融合，为大型语言模型（LLM）打造卓越的上下文层。
Understand-Anything
教学型图表优于炫技型图表。将任意代码转化为可探索、搜索和提问的交互式知识图谱。支持Claude Code、Codex、Cursor、Copilot、Gemini CLI等。
crawl4ai
🚀🤖 Crawl4AI：开源的、对LLM友好的网页爬虫与抓取工具。别害羞，加入这里：https://discord.gg/jP8KfhDhyN
docling
为生成式AI准备文档
anything-llm
停止租用你的智能。用AnythingLLM拥有它。你需要的一切，实现强大的本地优先智能体体验。