Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
企业级 Agentic RAG 智能体 - 全链路覆盖文档解析、多路检索、意图识别、问题重写、会话记忆、MCP 工具调用与深度思考。面向真实业务场景，从 0 到 1 完整工程实现。
| Date | Stars |
|---|---|
| 2026-07-24 | 3303 |
| 2026-07-25 | 3310 |
| 2026-07-28 | 3310 |
| 2026-07-30 | 3310 |
| 2026-07-31 | 3384 |
| 2026-08-06 | 3384 |
Today
— stars today
This week
+74 stars this week
This month
— stars this month
Momentum
89.0
growth rate 2.24%/day
<p align="center">
<a href="https://github.com/nageoffer/ragent">
<picture>
<source srcset="assets/ragent-ai-banner.png">
<img src="assets/ragent-ai-banner.png" alt="Ragent AI">
</picture>
</a>
</p>
<p align="center">
<strong>后端程序员转型 AI 工程师的第一站</strong><br/>
</p>
<p align="center">
<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>
<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>
<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>
<a href="./LICENSE"><img alt="License" src="https://img.shields.io/badge/license-Apache--2.0-4a9b8f?style=flat-square" /></a>
<img src="https://img.shields.io/badge/Spring%20AI-2.0-6DB33F?style=flat-square&logo=springboot&logoColor=white" />
</p>
## 🚀 什么是 Ragent AI？
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。
- **多路检索**：多渠道并行检索，去重重排兼顾精准与召回。
- **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。
- **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。
- **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。
- ……
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。
## 🧭 快速导航
> 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 👇
<p align="left">
<a href="https://github.com/nageoffer/ragent/stargazers">
<img src="assets/star-me.svg" alt="Star this repo" />
</a>
</p>
| | 链接 | 说明 |
|:---:|:---|:---|
| 📖 | <a href="https://nageoffer.com/ragent" target="_blank">官网文档</a> | Ragent AI 完整文档 |
| 🚀 | <a href="https://nageoffer.com/ragent/demo/" target="_blank">在线体验</a> | 无需部署，直接体验 Ragent AI |
| ⚡ | <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 |
| 📝 | <a href="https://nageoffer.com/ragent/interview/" target="_blank">简历怎么写</a> | 项目如何写到简历上 |
| 💡 | <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 |
## 🤝 贡献
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：
<p align="left">
<a href="https://github.com/nageoffer/ragent/graphs/contributors">
<img src="https://contrib.rocks/image?repo=nageoffer/ragent&columns=8" />
</a>
</p>
## ❤️ 赞助与支持
感谢以下伙伴对 Ragent AI 的支持！
<table>
<tr>
<td align="center" width="200">
<a href="https://moacode.org/register?ref=doorbyte"><img src="assets/moacode.svg" alt="moacode" width="200" /></a>
</td>
<td>
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。
</td>
</tr>
</table>
---
## 💡 为什么学习 AI 项目
AI 这波浪潮，Java 程序员已经躲不过去了。
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**。
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。
<details>
<summary><b>校招 / 社招 / 怎么学？</b>（点击展开）</summary>
### 1. 校招现状
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。
### 2. 社招现状
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。
**说白了，学 AI 项目的核心原因就三个：**
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。
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。
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。
### 3. 问题是，怎么学？
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。
还有些同学报了训练营，发现清一Excerpt of 14,038 characters
Read on GitHub
702
7
3
2
2
1
1
1
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:3e436cef26659f5a, topic:llm
matched fp:3e436cef26659f5a, topic:rag
matched fp:3e436cef26659f5a, topic:mcp