RAG / 知识库 / 开发者工具 / 自托管应用
KAG
基于 OpenSPG 引擎和大语言模型的知识增强生成框架，结合知识图谱与 RAG 解决幻觉问题
质量分77
0 Stars
unknown
hard
中文速读
KAG（Knowledge Augmented Generation）是一个基于 OpenSPG 引擎和 LLM 的逻辑推理与问答框架。能有效克服传统 RAG 向量相似度计算的歧义性和 GraphRAG 的噪声问题。支持逻辑推理和多跳事实问答，在多项基准测试中显著超越当前 SOTA。提供中文文档（语雀）和 Docker Compose 部署方案。
快速试用
暂未发现稳定的 Demo 或视频入口。
适合
- 构建专业领域知识问答系统
- 需要逻辑推理能力的 RAG 应用
- 知识图谱与 LLM 结合场景
不适合
- 简单文档检索场景
- 不需要知识图谱的轻量级应用
选型答案
KAG 适合什么场景？构建专业领域知识问答系统；需要逻辑推理能力的 RAG 应用；知识图谱与 LLM 结合场景
KAG 的试用和部署门槛如何？暂未发现稳定的 Demo、视频或文档入口，适合先从 GitHub README 和 issues 判断成熟度。 当前难度标记为“需要经验”，许可证记录为“unknown”。
选择 KAG 时要注意什么？简单文档检索场景；不需要知识图谱的轻量级应用
数据来源和更新时间GitHub 仓库 OpenSPG/KAG，最近记录的推送时间为 。
标签
RAGknowledge-graphLLMquestion-answeringreasoning