@sitinme: Github 30k star，不用向量数据库也能做 RAG，而且准确率还更高！ 做 RAG 的人应该都有过这种体验：向量数据库返回的内容“看起来相关”，但就是不是你要的那个答案。 特别是处理合同、财报、技术手册这类长文档的时候，你问“第…
摘要
介绍一个GitHub上30k star的开源项目，通过推理而非向量数据库实现RAG，号称准确率更高，解决了向量检索中相似不等于相关的问题。
Github 30k star，不用向量数据库也能做 RAG，而且准确率还更高！ 做 RAG 的人应该都有过这种体验：向量数据库返回的内容“看起来相关”，但就是不是你要的那个答案。 特别是处理合同、财报、技术手册这类长文档的时候，你问“第三季度营收是多少”，它给你返回一段“公司业务概述”。 相似 ≠ 相关，这是向量检索的根本问题。PageIndex 的解法很简单粗暴：不用向量，用推理。
相似文章
@freeman1266: 普通 RAG vs 知识图谱 RAG vs LLM Wiki——三种知识库检索方案，95% 的人选错了，不是因为不懂，是因为没认清自己的数据形态。 三句话讲清楚： 普通 RAG：把文档切成 chunk，向量化入库，问题来了找相似片段喂给 …
本文对比了普通RAG、知识图谱RAG和LLM Wiki三种知识库检索方案的适用场景与选型建议，强调根据数据形态选择正确方案，避免盲目使用复杂工具。
[P] 我构建了一个系统，让你可以对任何GitHub仓库提问，并获得基于实际源代码的答案 [P]
GitRAG 是一个工具，允许用户粘贴任何公开的 GitHub URL，并询问关于代码库的问题，返回基于源代码的答案，带有精确的文件路径和行号，使用了AST感知的切分、混合搜索（稠密检索 + BM25）、重新排序以及用于生成的语言模型。
@Luckyjudy666: 这个名为 Understand-Anything 的开源项目，正成为Github热度榜第一，狂揽2.2万颗星。 它是一个强大的 AI 辅助工具，能够将任何代码库、知识库或文档转化为可交互的、可视化的知识图谱。 1. 功能亮点： 多智能体协…
Understand-Anything 是一个开源的 AI 辅助工具，能将代码库、知识库或文档转化为交互式可视化知识图谱，支持多智能体协作与主流 AI 工具集成，已在 GitHub 获得 2.2 万星。
@axichuhai: 卧槽，有个编程大神把自己的工程经验蒸馏成了一个开源项目 GitHub 热榜第一，Star数直接冲上了9万 + 作者是前 Vercel 工程师 Mat，参与过 Next.js 早期开发，以把复杂技术讲得通俗易懂著称。 他把日常和 Claud…
介绍一个登顶GitHub热榜的开源项目hello-agents，它系统整理了AI和Agent从理论到实践的课程，涵盖Agentic RL、SFT、GRPO等技能，由前Vercel工程师Mat参与，将工程经验蒸馏为16个skill，如Grim提示词技巧和红绿循环测试方法。
@yaohui12138: Karpathy 发布了一个github开源项目，狠狠让我惊艳到了 这个项目叫 andrej-karpathy-skills,GitHub 13 万+ star,我愿称之为2026 最有用的 AI 工程项目 它解决的问题极其精准：让 Cl…
Karpathy 发布了名为 andrej-karpathy-skills 的开源项目，核心是一个 4KB 的 CLAUDE.md 文件，包含 4 条行为准则（先思考再动手、极简实现优先、手术式精准修改、目标驱动执行），能显著降低 AI 编码错误率（最高下降 90%），提升代码质量和开发效率。