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
🎯适用场景：LLM 应用快速开发
📥 收录于 2026/5/7
📊 仓库数据
📈 Stars 变化 ↓6 小时 -1· 统计区间 6/28 18:12 → 6/29 00:15（6 小时）
✅ 优点
- •内置 RAG 检索增强能力
- •原生 Agent 编排与工具调用
- •兼容主流大模型
- •GPU/NPU 硬件加速支持
- •15K+ stars 社区认可
⚠️ 限制
- •需要 Python 运行环境
- •自部署维护成本较高
- •API 变更需跟进版本升级
🔗 相关工具
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
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
R2R
github.com/sciphi-ai/r2r
生产级 AI 检索系统，7839 stars。最先进的生产级 AI 检索系统，支持 Agentic RAG 和 RESTful API 接口
🎯知识库问答与 RAG 检索
Nexent
github.com/modelengine-group/nexent
零代码 AI Agent 平台，7.9K+ stars。零代码平台，自动生成生产级 AI Agent，支持多种 Agent 模板和工作流
🎯AI 工作流编排与自动化