AIGC_Interview 是一个中文 AIGC（人工智能生成内容）领域求职百科全书，涵盖算法工程师、提示词工程师、产品经理等岗位的面经、必备基础知识、学习路径和资源索引。仓库以 Markdown 形式维护，持续更新，分类清晰，聚合了知乎、牛客、CSDN 等平台大量真实面试经验分享，是 AIGC 求职者的一站式参考资料。 ⚠️ 性质说明：这是一个资料整理型…
仓库攻略
32 篇 · 32 个项目 · RAG 检索增强
bwiernik/zoteroshortdoi 是一个轻量级 Zotero 插件（XPI），只做一件事：自动从 CrossRef API 抓取期刊文章的 DOI，并通过 shortdoi.org 服务获取 shortDOI，同时对已存在的 DOI 做合法性校验并标记无效项。 它的功能面非常克制——没有 PDF 解析、没有翻译、没有 AI 摘要——但它解决的是…
RAGSurvey 是一个按体系分类的 RAG 论文Awesome 列表，对应论文 RetrievalAugmented Generation for AIGenerated Content: A Survey（arXiv:2402.19473，2024 年 2 月，北大/北大深圳研究生院团队）。仓库按该论文提出的三层分类法，对 RAG 领域论文进行结构化整…
Crawl4AI 是 GitHub Star 数最多的开源网页爬虫（75,960 ★，数据截至 20260817），专为将网页转化为 LLM 可直接消费的 Markdown 而设计。相比传统爬虫输出 HTML 碎片，Crawl4AI 输出结构清晰、噪音少、带引用标注的 Markdown，特别适合 RAG pipeline、Agent 数据摄取和大规模数据采集…
CodeGraphRAG 是一个面向多语言代码库的 AI 问答与编辑系统。它用 Treesitter 解析源码，构建代码结构知识图谱存入 Memgraph，再用自然语言驱动 Cypher 查询，实现代码问答、编辑和优化。整个流程对用户屏蔽了图数据库细节——只需一条 CLI 命令，就能把一个陌生仓库变成可对话的智能体。 核心思路：把代码当知识图谱来索引，而不是…
Open Paper 是一个研究文献管理工作台，定位为"读论文的 IDE"。核心功能是把 PDF 上传、AI 生成摘要、highlight 标注、AI 问答、跨文献综合、Zotero 同步全部收敛到一个 Web 应用里，AI 回答强制附带可点击溯源的精确引用（citationgrounded），并配套专门的 ResearchQA 基准 来量化回答质量。 读论…
PAIRAG 是基于阿里云 PAI 平台的开源 Agentic RAG 框架，定位"5 分钟构建企业级 Agentic RAG 应用"。它不只是一个检索增强生成系统，而是一站式平台：知识库管理 + 多模态理解（图片/视频） + ReAct 智能体 + MCP 工具生态 + 任务规划 + 联网搜索 + TexttoSQL。 核心架构：FastAPI 后端 + …
FlashRAG 是中国人民大学 NLPIR 实验室开源的 RAG（检索增强生成）研究 Python 工具包，已被 WWW 2025 Resource Track 接收。 核心理念：RAG 研究门槛高——需要分别找数据集、实现各算法、搭评估流程，碎片化严重。FlashRAG 提供一站式解决方案：36 个预处理基准数据集 + 23 个 SOTA RAG 算法（…
OpenKnowledge（内部包名 @inkeep/openknowledge）是一个 AI 原生的 Markdown 编辑器，同时也是一个 LLM Wiki 工具。它的定位是"Notion meets VS Code"——既有 Notion 般的 WYSIWYG（所见即所得）编辑体验，又保留 VS Code 式的本地文件夹操作和 Markdown 文件本…
llmtwincourse 是 Decoding AI Magazine（Paul Iusztin & Alex Vesa 团队）开源的免费工程课，目标是从零搭建一个能"模仿你写作风格"的生产级 LLM Twin —— 一套完整的端到端 LLM + RAG 系统，覆盖数据采集、CDC 同步、实时特征工程、SFT 微调、RAG 推理、Prompt 监控全部 6…
ReG（Refined Graphbased RAG）是一套针对图增强检索（RAG on Knowledge Graph）的框架，核心思路是用 LLM 的反馈信号来训练更好的图检索器，同时将检索结果重组为逻辑连贯的证据链。 论文标题全称：WeaktoStrong GraphRAG: Aligning Weak Retrievers with Large La…
zoteroarxivdaily 是一个零成本、零安装的 arXiv 论文每日推荐工具，通过 fork 该 GitHub 仓库并配置 GitHub Actions，即可每天自动根据你 Zotero 书架中的论文主题，推荐当日新提交的 arXiv（及 bioRxiv、medRxiv）论文，生成带有 AI TL;DR 的邮件发送到你的邮箱。 整个流程跑在 Git…
zoterogpt 是一个 Zotero 文献管理器的 AI 助手插件，让研究者在阅读 PDF 文献时直接用 GPT（gpt3.5turbo / gpt4）提问、摘要、搜索相关文献，所有交互都以内嵌弹窗形式在 Zotero 内完成，无需切换到 ChatGPT 或其他工具。 核心作者是 MuiseDestiny，基于 zoteroplugintemplate …
Context7 是由 Upstash 团队（推 Redis / Vector / QStash 的那家）开源并维护的「MCP 文档服务」。它把 GitHub 上常见开源库的 README、官方文档、版本说明抓取、解析、切片成一个可被 LLM 检索的索引，然后通过 Model Context Protocol（MCP）暴露给 Cursor、Claude Co…
Kotaemon 是一个开源的 RAG 文档问答 UI 工具，专注于为文档提供「聊天式问答」体验。它的目标是同时服务两类用户： 核心特点：干净的界面 + 混合检索 + 强引用展示 + 多模态文档支持。 有大量技术文档/论文/合同，想基于这些文档向 AI 提问 需要 AI 的回答有明确的文档来源引用，不能胡编 需要处理包含图表、表格、LaTeX 公式的复杂 P…
FastGPT 是一个基于大语言模型的知识库问答与应用编排平台，提供完整的开箱即用能力：数据处理、RAG 检索、可视化 AI 工作流编排，让用户无需深度配置即可快速开发和部署复杂的问答系统。 它的核心定位是：企业级 RAG 应用平台，强调知识库管理与可视化流程编排的结合。相比单纯的知识库工具，FastGPT 多了工作流编排和 Agent 编排能力；相比纯 A…
RAG_Techniques 是一个专注于 RetrievalAugmented Generation（检索增强生成） 高级技术的开源教程仓库，由 Nir Diamant 维护。目前收录 42+ 个可运行的 Jupyter Notebook，覆盖从基础 RAG 到最新前沿技术的完整知识体系，每个技术都配有详细原理解析、代码实现和论文引用。截至 2026 年 …
Vane 是一个注重隐私的 AI 问答引擎，运行在你自己的硬件上。它结合了互联网搜索结果和本地 LLM（通过 Ollama）、云端模型（OpenAI、Claude、Gemini、Groq），给出带引用来源的精准答案，所有搜索记录完全本地保存。 类比来说，Vane 是一个可私有部署的 Perplexity，强调： 不把搜索数据交给第三方 支持本地模型（Olla…
Graphify 是一款面向 AI 编程助手的代码知识图谱生成工具（code knowledge graph generator）。它的核心思路是：将任意代码仓库（Python、JavaScript、SQL、R、Shell 等）的代码结构转换为一张可查询的知识图谱，替代传统的 grep/全文搜索方式，让 AI 助手可以直接"问问题"获取精准的代码上下文。 形…
AI4Paper 是一款面向科研人员的 Zotero 插件（XPI），也是配套的网页应用（app.ai4paper.pro）。它把 AI 能力深度嵌入 Zotero 阅读器，覆盖找文献 → 读文献 → 写综述的完整科研流程。 核心理念：「让天下没有难读的 Paper，让天下没有难做的科研」。所有 AI 功能都基于真实文献（RAG），答案可溯源到原始论文，不凭…
Pathway llmapp 是一套开箱即用的 RAG（检索增强生成）与 AI 流水线云模板集合。它基于 Pathway Live Data Framework，核心解决"数据源实时变化 → RAG 系统如何及时感知并更新索引"这个问题。与传统 VectorDB（如 Pinecone、Milvus）需要独立 ETL 管道不同，Pathway 在内存中直接处理…
Morphic 是一个带有生成式 UI 的 AI 驱动搜索引擎。用户输入查询，它调用 AI 搜索多源内容，实时流式返回带引用来源的答案，答案中的内容块（图片、网格、标题）以结构化组件实时渲染，而非普通 Markdown 文本。 核心特点：Grounded answers with cited sources + Generative UI（生成式界面）。 1…
LLMEngineersHandbook 是 Packt 出版社配套 GitHub 仓库，支撑一本同名实战书籍（Amazon/ Packt 有售）。与其说是"仓库"，不如说是一套完整的 LLM 工程最佳实践参考实现：覆盖数据采集、LLM 训练、RAG 搭建、AWS 生产部署、监控和评测全链路，配有可直接运行的 Python 代码和 ZenML 流水线。 解决…
OpenDataLoader PDF 是一个面向 AI 工作流的高性能 PDF 解析库，核心目标是：把 PDF 转换成 AI 模型可以直接使用的高质量结构化数据，同时提供 PDF 无障碍（accessibility）自动化能力。 两大核心功能： 1. AI 数据提取：从任意 PDF 提取 Markdown、JSON（含 bounding boxes）、HTM…
GraphRAG 是微软研究院开源的模块化图结构 RAG 系统，旨在解决传统向量 RAG 无法处理的"全数据集级别的推理问题"。 传统 RAG 靠向量相似度检索，擅长"找相似片段"，但对"这本小说里最核心的主题是什么"这类需要全局理解的问题力不从心——因为答案分散在大量段落中，向量召回永远只能覆盖局部。 GraphRAG 的核心思路：先用 LLM 将文档内容…
Firecrawl 是一个面向 AI 的网页数据 API：给定 URL，爬取并转换为 LLM 可直接使用的干净 Markdown、JSON 或截图。它能处理 JavaScript 渲染的动态页面、反爬虫机制、代理轮换等"脏活"，开发者只需调用 API 或装好 SDK 即可。开源，也可以直接用其托管服务（firecrawl.dev）。Stars 147k，周增…
PageIndex 是一个无向量、基于推理的 RAG（检索增强生成）引擎，由 Vectify AI 开发。其核心理念是：传统向量 RAG 依赖"语义相似度"做检索，但这不等于"真正相关"——尤其在金融报告、法律文书、医疗文献等高度专业化的长文档场景，"相似"和"相关"的差距尤为明显。 PageIndex 模拟人类阅读长文档的方式——先看目录，再顺着结构找答案…
PixelRAG 是一个基于视觉渲染的 RAG（检索增强生成）系统，核心思想：把文档（网页、PDF）渲染成截图切片（screenshot tiles），再对图片做向量检索，而不是解析 HTML 提取文本。传统 RAG 丢掉的表格、图表、排版信息，在 PixelRAG 里完整保留，读者模型可以直接"看"到原始视觉布局。 源自 Berkeley SkyLab、B…
txtai 是由 NeuML 维护的一个一体化 AI 框架，核心理念是把语义搜索、LLM 编排和工作流三大能力整合在同一个 Python 包里。 其核心组件是 Embeddings 数据库——本质上是一个融合了稀疏向量索引、密集向量索引、图网络和关系数据库的统一检索层。这使得 txtai 既能做传统向量检索，也能做 SQL 查询、主题建模、图分析。 架构图：…
RAGFlow 是 InfiniFlow 出品的开源 RAG（检索增强生成）引擎，主打"深度文档理解 + 融合上下文引擎"，将 RAG 与 Agent 能力结合，让大模型拥有可解释、可控的私有知识库。 核心理念：高质量输入才有高质量输出——RAGFlow 花大量精力在文档解析和切片质量上，而不是简单地把文档切成固定块塞进向量数据库。它支持可视化切片、智能重排…