Raudaschl/rag-fusion

这是什么？

核心功能

• 01由 LLM 为用户问题生成多个改写查询，覆盖不同表述。
• 02对每个查询同时执行 BM25 关键词检索和向量检索。
• 03使用 Reciprocal Rank Fusion 合并排序结果。
• 04在融合后的候选池上支持交叉编码器等重排序环节。
• 05在 NFCorpus 数据集上用 IR 指标和 bootstrap 置信区间评测各检索方案。
• 06将 LLM 改写结果缓存到磁盘，并在本地持久化 ChromaDB 向量。

适用场景

• 检索术语多样的专业文献，如医学或科研论文。
• 在漏检代价较高的检索流程中提升召回率。
• 在将查询改写与排名融合引入 RAG 系统前进行实验验证。

快速上手

1. 1

   安装核心依赖

   pip install openai chromadb python-dotenv tqdm tabulate rank_bm25
2. 2

   从模板创建 .env 文件

   cp .env.example .env
3. 3

   在 .env 中填入你的 OpenAI API 密钥，然后运行演示

   python main.py

使用前须知

• !运行演示和查询改写需要付费的 OpenAI API 密钥。
• !main.py 中的演示仅使用向量检索；表现最好的混合检索加重排序方案位于 eval/ 目录，需要额外安装依赖。
• !实验依赖特定的大语言模型和决策模型，其中部分可能已停用或无法使用。

标签

常见问题

rag-fusion 是什么？

RAG-Fusion 的 Python 参考实现，通过 LLM 改写查询、BM25 与向量混合检索及 RRF 融合提升检索效果。 RAG-Fusion 是一种用于检索增强生成（RAG）的检索方法。它先由 LLM 把用户问题改写成多个不同角度的查询，每个查询分别用 BM25 关键词检索和向量检索，再通过 Reciprocal Rank Fusion（RRF）合并排序结果，让多次出现的文档排到前面。它适合用户用词与文档索引不一致、单一表述容易漏掉相关资料的场景。

rag-fusion 可以免费使用吗？用的什么许可证？

rag-fusion 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

rag-fusion 还在维护吗？

活跃维护中。rag-fusion 最近一次提交是在 2026年10月10日。

rag-fusion 适合用来做什么？

检索术语多样的专业文献，如医学或科研论文。 在漏检代价较高的检索流程中提升召回率。 在将查询改写与排名融合引入 RAG 系统前进行实验验证。

rag-fusion 怎么安装和运行？

安装核心依赖: pip install openai chromadb python-dotenv tqdm tabulate rank_bm25 从模板创建 .env 文件: cp .env.example .env 在 .env 中填入你的 OpenAI API 密钥，然后运行演示: python main.py

在哪里获取 rag-fusion？

源代码和安装说明在 GitHub 上：https://github.com/Raudaschl/rag-fusion