Azure AI Search
托管搜索服务。关键词、向量和语义重排序可以组成混合检索，并用过滤条件限制结果。
框架与公司
谁把这些技术做成了可用的东西
这里记的是框架正式提供的能力。论文里的训练方法，如果还没有对应的正式组件，就不会出现在筛选结果里。
类别
技术
全部BM25倒数排名融合重排序稠密检索朴素 RAG多跳检索忠实度迭代检索混合检索HyDE多模态 RAG数据加载REPLUG多查询查询改写FLARE引用归因Text2SQL上下文压缩切块策略父子索引RAGASSelf-RAG格式化生成新鲜度RAPTOR权限与隐私HippoRAGGraphRAGLightRAGAgentic RAG
18 个框架 · 稠密检索
Chroma
面向嵌入应用的向量库。负责保存文档向量、按元数据过滤和返回近邻，生成留在外部模型。
Cohere
提供 Embed 与 Rerank 两类接口。Embed 把文本变成向量，Rerank 把已经召回的段落重新排序。它不提供完整的 RAG 应用框架。
Elasticsearch
从全文检索长出来的搜索引擎。BM25 是它的基本能力，密集向量和混合检索用来接 RAG，召回之后也可以做语义重排序。
FAISS
相似度搜索库。RAG 系统用它保存向量并找最近邻，它本身不切块、不生成，也没有托管服务。
Haystack
deepset 的管道式框架。检索器、文档存储和排序器是独立组件，混合检索和交叉编码器重排序都在管道里配置，也可以接成带循环的智能体。
LanceDB
嵌入式向量库。支持向量检索、全文检索和结果过滤，适合把索引和数据文件放在一起。
LangChain
用检索器、文档加载、改写步骤和工具调用把 RAG 拼成流程，也可以按数据结构约束模型输出。LangSmith 跟踪每一步，LangGraph 用来写有分支的检索循环。图片可以交给多模态模型，或先转成文字再检索。
朴素 RAG稠密检索混合检索查询改写重排序Agentic RAG多模态 RAGBM25多查询HyDE上下文压缩父子索引数据加载Text2SQL格式化生成
LlamaIndex
围绕文档入库、检索和引用组织 RAG。支持混合检索、重排序、多模态文档、带工具的智能体，以及按数据结构约束的回答。它的属性图索引和 Microsoft GraphRAG 不是同一套实现，因此这里不把它算作 GraphRAG。
朴素 RAG稠密检索混合检索查询改写重排序Agentic RAG多模态 RAG父子索引HyDE多查询RAPTOR切块策略数据加载Text2SQL格式化生成
Milvus
Zilliz 主导的开源向量数据库，负责保存向量并做相似度检索。可以用稀疏向量和稠密向量做混合检索。生成和编排不在这个库里。
Neo4j
图数据库及其 GraphRAG 组件。负责保存实体和关系，也可以保存向量。它不实现 Microsoft 论文里的整套社区摘要流程。
OpenSearch
从全文检索扩展到向量和混合检索，并用元数据过滤限制可见文档。生成流程不在这个引擎里。
pgvector
PostgreSQL 扩展。向量和原有的行、权限、事务放在同一个数据库里，混合检索要和 SQL 全文检索一起写。
Pinecone
托管向量数据库。稠密检索是基本能力，稀疏向量用于混合检索，另有重排序接口。
Qdrant
开源向量数据库，同时提供云服务。支持稠密向量，以及用稀疏向量与稠密向量一起做混合检索。
Vertex AI RAG
Google Cloud 上的托管检索增强。负责入库、向量检索和把检索结果交给生成模型，不是一个开源编排框架。
Vespa
把关键词、向量和排序放在同一个检索引擎里。混合检索可以直接用倒数排名融合或自定排序表达式。
Weaviate
开源向量数据库。同时支持稠密向量、BM25 和混合检索，过滤条件随查询一起生效。