KAG
基于知识图谱的逻辑形式引导推理与检索框架，8.8K+ stars。由 OpenSPG 引擎和大语言模型驱动，构建逻辑感知和推理的知识检索系统，适合需要复杂多跳问答的企业场景
🎯适用场景：企业级知识检索系统——适用于需要复杂多跳问答、逻辑推理的知识库场景，如法律咨询、医疗诊断辅助、企业合规查询。
📥 收录于 2026/5/30
📊 仓库数据
📈 Stars 变化 ↑1 天 +2· 统计区间 6/11 00:29 → 6/12 07:03（1 天）
✅ 优点
- •基于知识图谱的逻辑推理，支持多跳复杂问答
- •OpenSPG 引擎提供强大的知识建模能力
- •比传统向量检索更适合结构化知识场景
⚠️ 限制
- •构建知识图谱的前期投入大，不适合非结构化数据为主的场景
- •学习曲线陡峭，需要熟悉知识图谱和逻辑推理
🔗 相关工具
ChatGPT Retrieval Plugin
github.com/openai/chatgpt-retrieval-plugin
OpenAI 官方的检索插件，让你通过自然语言问答轻松查找个人或工作文档，支持多种向量数据库后端
🎯个人文档语义检索、企业知识问答、RAG 管道搭建
STORM
github.com/stanford-oval/storm
斯坦福知识策展系统，28K+ stars。LLM 驱动的知识策展系统，自动研究某个主题并生成完整报告，支持多源信息整合和深度知识挖掘
🎯AI 辅助深度调研、自动撰写结构化研究报告、学术/行业综述生成
Haystack
github.com/deepset-ai/haystack
开源 AI 编排框架，25K+ stars。用于构建上下文工程和生产级 LLM 应用的框架，支持 RAG、Agent、语义搜索等核心能力
🎯LLM 应用快速开发
RagaAI Catalyst
github.com/raga-ai-hub/ragaai-catalyst
Agent AI 可观测性 SDK，13K+ stars。Python SDK for Agent AI 可观测性、监控和评估框架，包含完整的 Agent 监控方案
🎯LLM 应用可观测性与链路追踪
llmware
github.com/llmware-ai/llmware
企业级 RAG 统一框架，15K+ stars。使用小型专业化模型构建企业级 RAG 流水线的统一框架，适合垂直领域的知识检索
🎯LLM 应用快速开发
txtai
github.com/neuml/txtai
All-in-One AI 框架，13K+ stars。语义搜索、LLM 编排和语言模型工作流的一体化 AI 框架，支持多种 AI 应用场景
🎯AI 工作流编排与自动化