#101 · 主分类: 知识库与企业搜索

Controllable-RAG-Agent

advanced-rag agent genai langchain langgraph llm llms openai python rag

该仓库为复杂问答提供了先进的检索增强生成(RAG)解决方案,使用基于图的复杂算法来处理任务。

项目最后更新:08/29/26

GitHub Stars

1.6K

Forks数量

268

贡献者数量

7

许可证

Apache-2.0

收录理由

纯靠向量相似度的检索增强生成,处理简单问题尚可,一旦遇到多跳推理或条件分支就容易答非所问。这个仓库把朴素的相似度查找换成一张手工设计的确定性图,让这张图充当智能体的推理层:由它决定该查哪些数据源、什么时候拆分问题、如何串联子查询,最后再组织答案。代码以自包含的Jupyter Notebook形式提供,基于LangChain和LangGraph,你可以直接跑通示例,跟着执行流程一步步看它怎么思考,然后把同样的模式搬进自己的管道里,不必把它当成黑盒。对想在自有数据上实现可控、逐步可解释的RAG的开发者来说,这是一份扎实的参考实现,配套的书还进一步解释了每种技术背后的原理。

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