TaiXu-Admin V0.0.10版本发布，支持适配Ollama模型，增强了网络模型灵活性，方便用户进行智能对话与信息检索。同时优化了RAG（知识检索增强生成）处理能力，提升了大模型应用性能。
检索增强生成(RAG)技术通过检索知识库信息提升大语言模型回答准确性，但处理语言多样性时存在不足。为此，Lexical Diversity-aware RAG 方法被提出，旨在优化模型对多样化表达的理解，增强生成答案的可靠性。
腾讯优图实验室开源图检索增强生成框架Youtu-GraphRAG，通过大语言模型+RAG模式将知识组织成图谱，提升复杂问答任务的准确性和可追溯性。适用于企业知识库、科研文档解析等知识密集型场景，创新实现从图构建到检索的全流程优化。
MaxKB是一款基于RAG技术的企业级AI智能体平台，在GitHub上获得数千星标和数万下载量。该平台通过检索增强生成技术构建企业知识库系统，支持智能客服和内部知识管理等应用场景，提供开源解决方案。
PIKE-RAG 是一种专注于领域知识和推理增强生成的模型。
KET-RAG 是一个结合知识图谱的检索增强型生成框架，用于高效文档索引和答案生成。
一种无需实时检索的语言模型增强方法，通过预加载知识缓存来提高生成效率。
基于知识增强的生成框架，用于构建专业的知识服务
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
Baidu
128
$6
$24
256
Bytedance
$1.2
$3.6
4
$2
THU-KEG
ReaRAG-9B是基于glm-4-9b训练的增强模型，具备生成知识引导推理链的能力，支持迭代式检索增强生成。
nghuyong
ERNIE 3.0是一个面向语言理解与生成的大规模知识增强预训练模型，由百度开发。
ERNIE 3.0 是一个面向语言理解与生成的大规模知识增强预训练模型，具有高效的语言处理能力。
ERNIE 3.0是百度推出的面向语言理解与生成的大规模知识增强预训练模型，micro-zh是其小型中文版本。
ERNIE 3.0是一个面向中文语言理解与生成的大规模知识增强预训练模型，mini版本是其轻量级实现。
ERNIE 3.0 是一个面向语言理解与生成的大规模知识增强预训练模型，由百度开发。
ERNIE 3.0是一个面向中文语言理解与生成的大规模知识增强预训练模型，由百度研究院开发。
AWS MCP Servers是一套基于Model Context Protocol的专用服务器，提供多种AWS相关功能，包括文档检索、知识库查询、CDK最佳实践、成本分析、图像生成等，旨在通过标准化协议增强AI应用与AWS服务的集成。
本项目构建了一个基于IBM Watsonx.ai的检索增强生成(RAG)服务器，使用ChromaDB进行向量索引，并通过模型上下文协议(MCP)暴露接口。该系统能够处理PDF文档并基于文档内容回答问题，实现了将大型语言模型与特定领域知识相结合的智能问答功能。
一个基于Model Context Protocol (MCP)的服务端，提供检索增强生成(RAG)能力，集成Cursor IDE和Claude Desktop等客户端，实现领域知识问答、智能检索和上下文感知的响应生成。
一个基于MCP协议的本地科研论文辅助阅读系统，提供PDF解析、数学公式深度解析、代码生成与可视化功能，支持本地LLM增强和知识管理。
一个基于Model Context Protocol (MCP)的服务端项目，提供检索增强生成(RAG)能力，可作为Cursor IDE和Claude Desktop等客户端与Contextual AI代理的桥梁，实现基于知识库的智能问答和上下文感知响应。
该项目演示了如何实现一个支持检索增强生成(RAG)的模型上下文协议(MCP)服务器，提供知识库交互、信息检索和文档管理功能。
该项目实现了一个基于MCP协议的服务器，集成FAISS向量数据库和RAG技术，支持从GitHub提取Move文件并构建知识库，提供文档检索和增强生成功能。
一个基于AWS知识库的检索增强生成(RAG)服务实现
该项目展示了一个结合模型上下文协议(MCP)和检索增强生成(RAG)的轻量级多智能体AI系统，用于商业分析。系统通过协调多个专用工具服务器，提供自然语言查询的商业数据统计分析和知识检索功能，具有模块化设计便于扩展和LLM后端切换。
R2R MCP Server是一个集成Model Context Protocol (MCP)与R2R系统的服务，提供与Claude等MCP兼容模型的交互能力，支持知识库访问、上下文搜索和增强生成(RAG)等功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
