RAG 系统
检索增强生成系统
什么是 RAG 系统？
RAG（Retrieval-Augmented Generation）是一种结合检索和生成的 AI 系统。它先从知识库中检索相关信息，再利用 LLM 生成答案，有效减少幻觉并提高准确性。
核心特点
- 减少 LLM 幻觉
- 知识库实时更新
- 答案可追溯
- 支持多种数据源
应用场景
- 智能问答系统
- 企业知识库
- 文档助手
- 客户支持
技术架构
关键组件
Document Loader
文档加载器
Text Splitter
文本分块器
Embedding Model
向量化模型
Vector Store
向量存储
Retriever
检索器
LLM
大语言模型
相关技术对比
RAG 系统 vs 纯 LLM
优点
- ✓ 简单
- ✓ 响应快
缺点
- ✗ 幻觉严重
- ✗ 知识过时
- ✗ 无法追溯
RAG 系统 vs 搜索引擎
优点
- ✓ 信息全面
- ✓ 实时性强
缺点
- ✗ 无生成能力
- ✗ 需要人工筛选
RAG 系统 工具
LangChain
LangChain： 核心库（langchain / langchain-core）：chains、prompts、document loaders、text splitters
Pinecone
全托管 Serverless 向量数据库，提供向量写入、元数据过滤与相似度检索。
LlamaIndex
把私有数据接入 LLM 应用的开源数据框架
Dify
可视化编排工作流、RAG 与 Agent 的 LLM 应用平台
Weaviate
同时存储对象与向量的开源数据库，检索可叠加结构化过滤
FastGPT
开箱即用的 AI Agent 构建与知识库问答平台
MaxKB
一条 docker 命令起步的企业级知识库智能体平台
ChatDOC
上传 PDF 提问，答案可点回原文精确定位
Milvus
开源向量数据库，为 AI 应用提供向量相似度检索与标量过滤
腾讯云向量数据库
腾讯云全托管的分布式向量数据库，支持多种索引类型与相似度检索。
阿里云 Elasticsearch/OpenSearch
在既有检索引擎上提供的全托管向量检索服务
Haystack
用组件与管线编排 RAG 和 Agent 的 Python 框架
RAGFlow
基于深度文档理解、回答带引用溯源的 RAG 引擎
Flowise
Flowise： 可视化画布：拖拽式编排 chain / agent / 工具。
Qdrant
Rust 编写的开源向量数据库，支持带结构化过滤的向量检索
Chroma
开源向量数据库，几行代码完成文档入库与语义检索
pgvector
PostgreSQL 的开源向量相似度检索扩展
Ragas
开源RAG评估框架，忠实度与上下文精度等参考指标覆盖全链路
Vespa
开源的大数据与 AI 检索及推荐引擎
Redis
在 Redis 查询引擎上做向量相似度检索的能力
OpenSearch
开源搜索与分析引擎，内置向量近邻检索
LanceDB
嵌入式向量库，连本地目录或对象存储即可做多模态检索
MongoDB Atlas Vector Search
Atlas 托管服务中的向量近邻检索功能
Azure AI Search
Azure 上的全托管检索服务，同一索引内支持全文、向量与混合检索。
OpenAI Vector Stores
OpenAI API 内置的托管向量存储，供 file_search 检索。
Annoy
Spotify 开源的 C++/Python 近邻检索库，索引以静态文件 mmap 共享
ScaNN
Google Research 开源的大规模向量检索库，主打各向异性向量量化
hnswlib
仅头文件的 C++ HNSW 近邻检索实现，带 Python 绑定，支持增量插入与更新
Marqo
面向电商的 AI 搜索与商品发现平台，开源自托管版已停止维护
Zilliz Cloud
Milvus 团队的全托管向量数据库云服务，用 pymilvus 连接检索。
Vald
基于 Kubernetes 的云原生分布式近似最近邻稠密向量搜索引擎
AlphaSense
五亿份研报与专家纪要之上的金融研究搜索
当前展示精选 Top 20（已验证 + 高评分优先）