用途：构建基于外部知识作答的 RAG 系统，用于私有文档问答、知识型聊天机器人、语义搜索、文档助手与带来源引用的研究工具，以降低幻觉并让模型访问领域知识。
主要能力：涵盖向量数据库（Pinecone、Weaviate、Milvus、Chroma、Qdrant、pgvector）、嵌入模型（voyage-3-large、voyage-code-3、text-embedding-3-large/small、bge-large-en-v1.5、multilingual-e5-large）、检索策略（稠密、稀疏 BM25/TF-IDF、混合搜索、Multi-Query、HyDE）以及重排序（Cross-Encoder、Cohere Rerank、MMR、LLM 评分）。
使用方式：资料给出 LangGraph 快速上手示例，定义 RAGState 状态，分别实现 retrieve 与 generate 节点并连成图后编译调用。代码中初始化 ChatAnthropic(model="claude-sonnet-5")、VoyageAIEmbeddings(model="voyage-3-large") 与 PineconeVectorStore(index_name="docs")，使用 RecursiveCharacterTextSplitter 等组件。更详细模式见 references/details.md。
限制与未提供信息：资料未提供价格、收费、平台支持范围、性能指标与完整使用步骤，这些暂未提供；实际实现需结合所选向量库与嵌入模型的自身文档。