#graphrag 仓库
探索 45 个标记为 #graphrag 的活跃开源 GitHub 仓库,它们累计获得 367,737 个 Star(平均每个项目 8,171 个)。该主题的领先项目是 Graphify-Labs/graphify,拥有 151,427 个 Star。
共 45 个仓库
将任何代码库(包括其文档、SQL 模式、配置和 PDF)转换为可查询的知识图谱。这是适用于 Claude Code、Cursor、Codex 和 Gemini CLI 的 /graphify 技能:基于本地确定性 AST 解析,解释每一条边,无需向量数据库。
AI Agent 开发指南 | Agent Harness | 上下文工程 | 高级 RAG | MCP | Agentic RL 强化学习 | LangGraph 实战 | 1.2 万+ 大模型面试题 | 算法岗 / 开发岗求职 | 转行大模型
面向 AI 智能体和企业 AI 搜索的开源上下文层。通过 MCP、SDK 和内置智能体,为用户和智能体提供覆盖 30 多种数据源(包括 Slack、Drive、Jira、GitHub 和 Microsoft 365)的权限感知搜索和带引用的答案。可自行托管或使用云端服务。
pingcap/autoflow 是一个基于 Graph RAG 的对话式知识库工具,使用 TiDB Serverless Vector Storage 构建。演示:https://tidb.ai
AI 上下文领域的 ripgrep:面向编程智能体的零依赖 C++23 命令行工具 + MCP 服务器。无需通读代码库即可定位代码,降低智能体的 token 成本;还能帮助大型代码库远离复杂度悬崖:写代码时掌握影响范围、需要运行的测试以及质量变化。每个推测都明确标注,每项损失都公开发布。带着地图,划桨出发。
ComfyUI中的LLM Agent框架包含MCP服务器、Omost、GPT-sovits、ChatTTS、GOT-OCR2.0和FLUX prompt节点,可访问Feishu、discord,并适应所有具有类似openai / aisuite接口的LLM,例如o1、ollama、gemini、grok、qwen、GLM、deepseek、kimi、doubao。适配了llama-3.3 Janus-Pro、Linkage GraphRAG等本地LLM、VLM、gguf。
拼好RAG:手搓并融合了GraphRAG、LightRAG、Neo4j-llm-graph-builder进行知识图谱构建以及搜索;整合DeepSearch技术实现私域RAG的推理;自制针对GraphRAG的评估框架
面向AI代理和IDE的高性能代码智能引擎,支持257种语言、多仓库,基于图结构,可通过CLI、MCP服务器和API访问。AI编码代理队友——仅暴露所需信息,将令牌使用量减少高达50倍。100%本地化。Discord:https://discord.gg/39MFHu3J5d
WFGY 正在迈向 WFGY 5.0 Polaris Protocol,这是一个针对 AI 推理、RAG、代理和现实世界工作流程的主要开源发布。包括 Problem Map、Global Debug Card、WFGY 4.0 和 CFV 彩蛋。
AgenticX 是一个统一且可用于生产环境的多智能体平台——由 Python SDK、CLI(agx)、Studio 服务器和 Machi 桌面应用组成。功能包括 Meta-Agent 编排、15+ 个 LLM 提供商、MCP Hub、分层记忆、头像与群聊、技能生态、安全沙箱,以及即时通讯网关(飞书/微信)。
100% Rust 实现的 code graphRAG,具备极速的 AST+FastML 解析、surrealDB 后端,以及通过 MCP 实现的高级代理代码分析工具,用于高效的代码代理上下文管理。
RAG for Local LLM, chat with PDF/doc/txt files, ChatPDF. 纯原生实现RAG功能,基于本地LLM、embedding模型、reranker模型实现,支持GraphRAG,无须安装任何第三方agent库。
Microsoft GraphRAG + AutoGen + Ollama + Chainlit = 完全本地免费的多代理RAG超级机器人
GraphRAG4OpenWebUI 将 Microsoft 的 GraphRAG 技术集成到 Open WebUI 中,提供了一个多功能的 정보检索 API。它结合了本地、全局和网络搜索,适用于高级问答系统和搜索引擎。该工具简化了开放式 Web 环境中的基于图的检索集成。
Excel 到 Neo4j 知识图谱示例:传统的 py2neo v3 以及现代的 Neo4j GraphRAG/向量搜索。
GraphRAG-rs 是一个高性能、最先进的 Rust 实现的 GraphRAG(基于图的检索增强生成),它从文档构建知识图谱,并通过可配置的实体提取和本地 LLM 集成实现自然语言查询
面向 AI 智能体的结构化代码智能——语义搜索、知识图谱和内置 MCP 服务器,集成于一个 Rust 二进制文件中。让 Claude、Cursor 和任何 MCP 客户端深入理解你的代码库。
用于评估 GraphRAG 模型的 GraphRAG-Bench 官方代码仓库。《何时在 RAG 中使用图:图检索增强生成的综合分析》。(ICLR'26)
常见问题解答
GitHub 上最受欢迎的 #graphrag 仓库是什么?
GitHub 上排名第一的开源 #graphrag 项目是 Graphify-Labs/graphify,拥有 151,427 个 Star。将任何代码库(包括其文档、SQL 模式、配置和 PDF)转换为可查询的知识图谱。这是适用于 Claude Code、Cursor、Codex 和 Gemini CLI 的 /graphify 技能:基于本地确定性 AST 解析,解释每一条边,无需向量数据库。
#graphrag 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #graphrag 项目中,最常见的编程语言是 Python, Rust, C++, Jupyter Notebook。
#graphrag 仓库的排名是如何计算的?
我们跟踪了 45 个标记为 #graphrag 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 367,737 个 Star,平均每个仓库拥有 8,171 个 Star。排名每日根据 GitHub API 更新。