Awesome-LLM-RAG：大型语言模型检索增强生成资料索引

获取下载链全程约 1 分钟

1. 打开微信，搜索「软件教程管家」关注，或长按下方二维码关注
2. 回复关键词 awesome-llm-rag 复制关键词
3. 公众号自动回复网盘链接，点击即可保存下载

打开微信扫一扫关注
或搜索【软件教程管家】

官方渠道：GitHub 仓库

做 RAG（检索增强生成）之前，先要有一份靠谱的技术地图：哪些论文值得读、哪些框架能直接用、评测怎么做、长文本和记忆问题别人是怎么解决的。Awesome-LLM-RAG 就是这样一份面向 RAG 的开源资料索引，把论文、教程、综述、基准和相关项目按主题整理成一份目录。

它本身不是一个能跑起来的 RAG 框架，而是一份用 Markdown 链接组织起来的研究资料导航，适合在立项、调研和技术选型阶段当作起点。

目录覆盖哪些内容

• 资源、教程、书籍、论文、综述与基准等基础资料。
• 检索增强模型、指令微调、上下文学习、嵌入等研究方向。
• RAG 搜索、长文本与记忆、评测、优化、应用及缺失模态等分类。
• 还收录了 RAG 模拟器方向的内容，便于理解检索与生成之间的配合方式。

每个主题下面都链向外部的论文和代码项目，可以从概念资料一路查到具体实现。

适合谁用

适合研究人员、RAG 工程师、LLM 应用开发者和技术选型人员，也适合需要系统整理检索增强生成资料的学习者。用来检索 RAG 论文与综述、规划学习路线、寻找检索和嵌入相关的实现、整理长文本与记忆方案、了解评测和优化方向，都比较顺手。

怎么用它做选型

把它当作调研入口，而不是应用的运行时组件。需要构建实际 RAG 系统时，先从目录里挑出候选项目，再逐个评估数据接入、索引更新、检索质量、生成模型兼容性、许可证和维护情况。方案评审前用它快速定位相关研究主题很方便，但最终选型还是要回到具体项目的文档和源码。

限制与注意点

• 这份索引不包含可直接运行的统一 RAG 推理、索引或评测框架，拿来即用的代码要去找它链向的具体项目。
• 目录里的外部项目各有自己的依赖、许可证和维护边界，不能由本仓库统一保证。
• README 没有明确说明完整的筛选标准、条目覆盖范围和更新流程，使用前要结合仓库内容确认。
• 使用具体条目之前，需要单独核实它的接口、数据要求、模型依赖和可复现步骤。

获取

访问 GitHub 仓库

GitHub 国内访问较慢，如打不开可多刷新几次

推广

关注「软件教程管家」

回复软件名即取即下：网盘下载链接 + 提取码，一步直达，不用再跳转。

相关推荐

学习教程Multimodal-RAG-Survey：多模态检索增强生成综述与技术资料库开源项目Awesome Nginx 免费下载｜资源索引启动器Magpie v0.2.1 中文版下载｜Spotlight办公AnyTXT Searcher 中文版下载开源项目Terrarium Tavern 免费下载｜故事记忆应用开发r2ai：让 radare2 接入大模型的逆向分析插件