这是一个基于 RAG（检索增强生成）技术的知识库问答系统。它能够将企业内部的文档、数据库等私有知识与大语言模型结合起来，让 AI 回答基于真实、可检索的信息源，避免模型幻觉。
系统支持多种文档格式的解析与索引，提供向量检索、混合搜索等能力，可与主流大模型无缝集成。
项目主要使用 HTML 开发，代码质量高，结构清晰。
开发团队保持高频更新，近一周内有 16 次提交，项目生命力旺盛。
HTML ⭐ 139 stars ⑂ 8 🆕 本周新项目 ⚡ 周更新16次 📜 MIT
📝 保持稳定更新 📜 使用 MIT 开源许可
✨ 核心功能
🔹 多智能体协作与任务编排
🔹 工具调用与 API 集成
🔹 记忆管理与上下文维护
🔹 可扩展的插件架构
🔹 多格式文档解析与索引
🔹 向量检索与混合搜索
💡 推荐理由
新兴项目值得关注，潜力巨大
🎯 适用场景：适合需要快速构建 LLM 应用、RAG 系统或 Agent 的开发者
📊 项目信息
📂 查看完整源码
https://github.com/Callous-0923/agent-study
👆 长按上方链接复制后，在浏览器中打开
数据来源：GitHub API · 综合评分推荐