META发布的综合性RAG基准测试工具，专门用于评估检索增强生成(RAG)系统的性能。
RQABench是一个开源的检索问答基准工具，旨在评估检索增强生成(RAG)系统，具有灵活性、可复现性和可追溯性等特点，支持多种RAG模型的评估并提供标准化的基准测试。
RAG-Survey系统收集和分类与RAG相关的学术论文，涵盖基础理论、方法分类和应用领域，为AI内容生成提供全面的研究视角，帮助研究者深入了解RAG技术的发展和应用。
SOMA是一个平台，通过开放获取期刊的数据库，利用最新的人工智能技术，快速揭示因素与医疗条件之间未记录的路径，并构建知识图谱以加速搜索。
基于模块化构建和敏捷部署的RAG系统框架，旨在通过自动化的 '数据构建 - 模型微调 - 推理评估' 知识适应技术系统，为研究人员和开发者提供一站式的解决方案。
AutoRAG 是一个自动评估多种 RAG 模块的工具，旨在找到最适合你数据的方案，通过一键优化 RAG 流程，提升效率。
这个开源项目将GraphRAG与Ollama本地LLM结合，并提供可视化的知识图谱UI和监控。
