ragent
starsforks
How to install ragent?
nageoffer/ragent
$git clone https://github.com/nageoffer/ragentRagent 是一个面向 Agentic RAG 演进的企业级 RAG 平台，覆盖从文档入库到智能问答的完整链路。
README.md
| 1 | <p align="center"> |
| 2 | <a href="https://github.com/nageoffer/ragent"> |
| 3 | <picture> |
| 4 | <source srcset="assets/ragent-ai-banner.png"> |
| 5 | <img src="assets/ragent-ai-banner.png" alt="Ragent AI"> |
| 6 | </picture> |
| 7 | </a> |
| 8 | </p> |
| 9 | |
| 10 | <p align="center"> |
| 11 | <strong>后端程序员转型 AI 工程师的第一站</strong><br/> |
| 12 | </p> |
| 13 | |
| 14 | <p align="center"> |
| 15 | <a href="https://github.com/nageoffer/ragent/stargazers"><img alt="GitHub stars" src="https://img.shields.io/github/stars/nageoffer/ragent?style=flat-square&logo=github&color=e8b227" /></a> |
| 16 | <a href="https://github.com/nageoffer/ragent/network/members"><img alt="GitHub forks" src="https://img.shields.io/github/forks/nageoffer/ragent?style=flat-square&logo=github&color=2d6a8a" /></a> |
| 17 | <a href="https://github.com/nageoffer/ragent/graphs/contributors"><img alt="Contributors" src="https://img.shields.io/github/contributors/nageoffer/ragent?style=flat-square&color=b56e7a" /></a> |
| 18 | <a href="./LICENSE"><img alt="License" src="https://img.shields.io/badge/license-Apache--2.0-4a9b8f?style=flat-square" /></a> |
| 19 | <img src="https://img.shields.io/badge/Spring%20AI-2.0-6DB33F?style=flat-square&logo=springboot&logoColor=white" /> |
| 20 | </p> |
| 21 | |
| 22 | ## 🚀 什么是 Ragent AI？ |
| 23 | |
| 24 | Ragent 是一个面向 Agentic RAG 演进的企业级 RAG 平台，覆盖从文档入库到智能问答的完整链路。 |
| 25 | |
| 26 | - **多路检索**：多渠道并行检索，去重重排兼顾精准与召回。 |
| 27 | - **意图识别**：树形多级分类，置信度不足主动引导澄清，扩展模型、提示词、topK 等核心参数。 |
| 28 | - **模型引擎**：模型调度、首包探测、健康检查、自动降级，模型故障不影响服务。 |
| 29 | - **MCP 集成**：非知识类意图自动提参调用业务工具，检索与工具无缝融合。 |
| 30 | - …… |
| 31 | |
| 32 | 生产落地智能体会踩的坑，这里都有对应方案，一套经过真实场景锤炼的工程实践，系统补全 RAG / Agent / MCP 等知识，面试写进简历聊得起来。 |
| 33 | |
| 34 |  |
| 35 | |
| 36 | ## 🧭 快速导航 |
| 37 | |
| 38 | > 觉得不错？先点个 Star 收藏，所有链接都会在新标签页打开，不会离开本页 👇 |
| 39 | |
| 40 | <p align="left"> |
| 41 | <a href="https://github.com/nageoffer/ragent/stargazers"> |
| 42 | <img src="assets/star-me.svg" alt="Star this repo" /> |
| 43 | </a> |
| 44 | </p> |
| 45 | |
| 46 | | | 链接 | 说明 | |
| 47 | |:---:|:---|:---| |
| 48 | | 📖 | <a href="https://nageoffer.com/ragent" target="_blank">官网文档</a> | Ragent AI 完整文档 | |
| 49 | | 🚀 | <a href="https://nageoffer.com/ragent/demo/" target="_blank">在线体验</a> | 无需部署，直接体验 Ragent AI | |
| 50 | | ⚡ | <a href="https://nageoffer.com/ragent/local-dev/" target="_blank">快速启动</a> | 本地搭建 Ragent AI 前后端项目 | |
| 51 | | 📝 | <a href="https://nageoffer.com/ragent/interview/" target="_blank">简历怎么写</a> | 项目如何写到简历上 | |
| 52 | | 💡 | <a href="https://nageoffer.com/ragent/why-springai-langchain4j/" target="_blank">为什么不用 Spring AI / LangChain4j</a> | 技术选型的思考 | |
| 53 | |
| 54 | ## 🤝 贡献 |
| 55 | |
| 56 | Ragent AI 仍在持续迭代中，欢迎参与共建，一起把项目打磨得更好。 感谢各位亦菲、彦祖们对 Ragent AI 的贡献： |
| 57 | |
| 58 | <p align="left"> |
| 59 | <a href="https://github.com/nageoffer/ragent/graphs/contributors"> |
| 60 | <img src="https://contrib.rocks/image?repo=nageoffer/ragent&columns=8" /> |
| 61 | </a> |
| 62 | </p> |
| 63 | |
| 64 | ## ❤️ 赞助与支持 |
| 65 | |
| 66 | 感谢以下伙伴对 Ragent AI 的支持！ |
| 67 | |
| 68 | <table> |
| 69 | <tr> |
| 70 | <td align="center" width="200"> |
| 71 | <a href="https://moacode.org/register?ref=doorbyte"><img src="assets/moacode.svg" alt="moacode" width="200" /></a> |
| 72 | </td> |
| 73 | <td> |
| 74 | moacode 是一家稳定、高效的 API 中转服务商，提供 Claude、GPT、Codex、Claude Code 等多种模型调用服务。Ragent AI 用户可<a href="https://moacode.org/register?ref=doorbyte">通过此链接</a>注册，并在充值时填写 <code>MAGE</code> 优惠码，享受 9 折优惠。 |
| 75 | </td> |
| 76 | </tr> |
| 77 | </table> |
| 78 | |
| 79 | --- |
| 80 | |
| 81 | ## 💡 为什么学习 AI 项目 |
| 82 | |
| 83 | AI 这波浪潮，Java 程序员已经躲不过去了。 |
| 84 | |
| 85 | 不管你现在做的是业务系统还是中间件，面试的时候多多少少都会被问到 AI 相关的东西。RAG 是什么？Agent 怎么实现？用过 MCP 吗？这些问题越来越高频。可以说，**AI 已经从加分项变成了必答题**。 |
| 86 | |
| 87 | 但说实话，对于大多数应用层的开发者来说，去死磕大模型的微调、蒸馏、Transformer 原理，性价比并不高。真正实用的，是掌握 RAG 和 Agent 这些应用层的东西——能落地、能出活、面试也能聊得起来。 |
| 88 | |
| 89 | <details> |
| 90 | <summary><b>校招 / 社招 / 怎么学？</b>（点击展开）</summary> |
| 91 | |
| 92 | ### 1. 校招现状 |
| 93 | |
| 94 | 简历上清一色的 CRUD 项目——商城、外卖、博客，面试官早就审美疲劳了。当别人还在写基于 SpringBoot 的 XX 管理系统时，你简历上有一个完整的 AI 项目，区分度直接拉满。而且大厂校招越来越看重候选人对新技术的敏感度，AI 项目能直接证明你的学习能力和技术视野。 |
| 95 | |
| 96 | ### 2. 社招现状 |
| 97 | |
| 98 | 2024 年以来，几乎所有技术团队都在往 AI 方向靠。很多公司已经把有 AI 相关经验写进了 JD 里。你可能 Java/Go 写得很溜，但面试官会问：你对 LLM 了解多少？RAG 做过没有？向量检索怎么实现的？答不上来，直接少了一个谈薪的筹码。 |
| 99 | |
| 100 | **说白了，学 AI 项目的核心原因就三个：** |
| 101 | |
| 102 | 1. **简历差异化**。同样是后端开发，有 AI 项目经验的简历通过率明显更高。不是因为 AI 多神奇，而是它能证明你不只是在重复造轮子。 |
| 103 | 2. **面试有东西聊**。AI 项目涉及的技术栈足够深——Embedding、向量数据库、Prompt 工程、模型调用链路、检索策略……每一个点都能展开聊，比我用了 Redis 做缓存有意思得多。 |
| 104 | 3. **实际工作用得上**。AI 不是实验室里的玩具，企业已经在大规模落地了。现在学，是为了接下来三到五年的职业发展铺路。 |
| 105 | |
| 106 | ### 3. 问题是，怎么学？ |
| 107 | |
| 108 | 很多人跟着 B 站视频或者 GitHub 上的开源项目撸了一遍，以为自己懂了。结果面试一问深的，直接懵了。原因很简单：那些 Demo 级别的项目，和企业真正要用的东西，差距太大了。 |
| 109 | |
| 110 | 还有些同学报 |
People who liked this also viewed
6 picksType
- ddgsA metasearch library that aggregates results from diverse web search servicesMCP ServersMay 2026
- firecrawl-mcp-server🔥 Official Firecrawl MCP Server - Adds powerful web scraping and search to Cursor, Claude and any other LLM clients.MCP ServersJul 2026
- fliGoogle Flights MCP, CLI and Python LibraryMCP ServersJul 2026
- sembleFast and Accurate Code Search for Agents. Uses ~98% fewer tokens than grep+readMCP ServersJul 2026
- duckduckgo-mcp-serverA Model Context Protocol (MCP) server that provides web search capabilities through DuckDuckGo, with additional features for content fetching and parsing.MCP ServersJul 2026
- wikipedia-mcpA Model Context Protocol (MCP) server that retrieves information from Wikipedia to provide context to LLMs.MCP ServersMay 2026
