RAG 方向开源项目精选

可视化编排的 LLM 应用开发平台，把 Agent、RAG、工作流做成可拖拽的积木，支持私有化部署。

编辑点评想做企业内部的 AI 应用又不想从零写编排逻辑，dify 是最省事的起点。可视化工作流能直接跑通 RAG 和 Agent，私有化部署文档也完整。代价是二次开发门槛偏高，深度定制得读源码。

Python 服务端/API，涉及AI、大语言模型、大语言模型-界面

编辑点评适用于AI/大模型、Web 开发场景。使用 Python 开发，涉及AI、大语言模型、大语言模型-界面等技术方向。建议关注其社区活跃度和文档完善程度。

Python 平台，涉及agents、AI、AI-agents

编辑点评适用于AI/大模型场景。使用 Python 开发，涉及agents、AI、AI-agents等技术方向。建议关注其社区活跃度和文档完善程度。

Python 应用，涉及agents、llms、python

编辑点评适用于AI/大模型、桌面/移动应用场景。使用 Python 开发，涉及agents、llms、python等技术方向。建议关注其社区活跃度和文档完善程度。

Python 命令行工具，涉及AI-agents、antigravity、ast

编辑点评适用于AI/大模型、开发工具场景。使用 Python 开发，涉及AI-agents、antigravity、ast等技术方向。建议关注其社区活跃度和文档完善程度。

以 Postgres 为底座的后端即服务平台，提供数据库、认证、存储与实时订阅。

编辑点评想要 Firebase 那种开箱即用的后端，又不想被厂商锁死，supabase 是首选。底座是标准 Postgres，随时能把数据搬走；认证、存储、实时订阅都齐，免费额度对个人项目够用。

JavaScript AI/ML 项目，涉及AI、AI-agents、AI-memory

编辑点评适用于AI/大模型、基础设施场景。使用 JavaScript 开发，涉及AI、AI-agents、AI-memory等技术方向。建议关注其社区活跃度和文档完善程度。

Go 引擎，涉及智能体-harness、agentic-AI、agentic-retrieval

编辑点评适用于AI/大模型、桌面/移动应用场景。使用 Go 开发，涉及智能体-harness、agentic-AI、agentic-retrieval等技术方向。建议关注其社区活跃度和文档完善程度。

将任意 PDF 或图片文档转化为 AI 可直接使用的结构化数据，支持 100+ 语言，是连接文档与大模型的轻量级 OCR 工具。

编辑点评作为开源 OCR 工具，PaddleOCR 在准确率、多语言支持和部署便捷性上表现突出，尤其适合需要从扫描件、截图等非结构化文档中提取信息的场景，可为 RAG 或 LLM 应用提供高质量文本数据。其轻量设计便于快速集成，但复杂版面或手写内容的识别效果仍需根据实际数据验证。

收录小学到大学全学段PDF教材的GitHub仓库，提供系统性学习资料，解决教材资源分散难找的问题。

编辑点评该项目将大量教材PDF集中管理，分类清晰，适合学生、教师和自学者快速获取教育资源。作为开源项目，其内容覆盖面广，但需注意版权问题，部分教材可能仅限个人学习使用。对于希望利用教材数据构建教育类AI应用的开发者，也可作为RAG或训练语料的来源。

Python 开源项目，涉及ai4science、文档-analysis、docx

编辑点评适用于AI/大模型、基础设施、数据科学场景。使用 Python 开发，涉及ai4science、文档-analysis、docx等技术方向。建议关注其社区活跃度和文档完善程度。

一个关于提示工程、上下文工程、RAG和AI Agent的综合性指南资源库，收录指南、论文、课程和实战笔记本。

编辑点评这是目前最系统的提示工程学习资源之一，从基础概念到高级技术，覆盖大量论文与案例。适合希望深入了解大模型交互方式的开发者、研究者和教学场景。内容全面但信息密度高，建议结合自身需求有选择地学习，并关注仓库的持续更新。

Python 开发的框架/库，涉及智能体、AI、anthropic

编辑点评适用于AI/大模型、Web 开发、基础设施场景。使用 Python 开发，涉及智能体、AI、anthropic等技术方向。建议关注其社区活跃度和文档完善程度。

Python 开源项目，涉及agents、AI、AI-agents

编辑点评适用于AI/大模型场景。使用 Python 开发，涉及agents、AI、AI-agents等技术方向。建议关注其社区活跃度和文档完善程度。

Python 开源项目，涉及agentic-AI、agents、AI

编辑点评适用于AI/大模型、基础设施、数据科学场景。使用 Python 开发，涉及agentic-AI、agents、AI等技术方向。建议关注其社区活跃度和文档完善程度。

一个灵活可定制的 RAG 框架，帮助开发者快速将 GenAI 能力集成到现有应用中，支持多种 LLM 和向量库。

编辑点评Quivr 主打“专注产品而非 RAG 细节”，让团队无需从零搭建检索增强生成管线。它支持 GPT、Groq、Llama 等多种 LLM 以及 PGVector、Faiss 等向量存储，适配性强。优点是集成简单、定制自由，适合已有产品需要快速加入知识库问答能力的场景。注意项目仍偏向开发者自主配置，生产环境的稳定性与完整运维方案需自行评估。

Khoj 是一款可自托管的 AI 第二大脑，能从你的文档或网页中获取答案，支持构建自定义代理、自动化任务与深度研究，将任意在线或本地 LLM 变为你的个人自主 AI。

编辑点评Khoj 的核心优势在于“自托管 + 多模型接入”，既能保护数据隐私，又能灵活对接 GPT、Claude、Gemini、Llama 等主流模型。它不只是一个聊天工具，更像一个可编程的 AI 工作台，适合知识管理、研究辅助和个人自动化场景。需要注意的是，自托管部署需要一定的技术背景，且深度研究等高级功能可能依赖外部服务。整体上，对于追求数据掌控和个性化 AI 流程的开发者来说，非常值得一试。

Go 平台，涉及智能体、agentic、AI

编辑点评适用于AI/大模型场景。使用 Go 开发，涉及智能体、agentic、AI等技术方向。建议关注其社区活跃度和文档完善程度。

Jupyter AI/ML 项目，涉及agentic-RAG、AI、embeddings

编辑点评适用于AI/大模型、基础设施、数据科学场景。使用 Jupyter 开发，涉及agentic-RAG、AI、embeddings等技术方向。建议关注其社区活跃度和文档完善程度。

开源的 AI 编排框架，用于构建上下文感知、生产就绪的 LLM 应用，支持模块化流水线与 Agent 工作流设计，并提供对检索、路由、记忆和生成的精细控制。

编辑点评Haystack 是 LLM 应用开发的成熟框架，特别适合需要精细控制 RAG 流水线或构建复杂 Agent 的团队。它提供模块化组件和可观测性，灵活度高，但学习曲线较陡，需要一定的架构设计经验。相比 LangChain，Haystack 更强调生产级工程实践，适合对稳定性要求高的项目。