RRepoGEO

REPOGEO 报告 · LITE

Tongji-KGLLM/RAG-Survey

默认分支 main · commit 89d56bd1 · 扫描时间 2026/5/27 03:18:15

星标 2,132 · Fork 132

AI 可见性总分
30 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 0 · 失败 1
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 Tongji-KGLLM/RAG-Survey 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highabout#1
    Add a concise repository description

    原因：

    复制粘贴的修复
    A comprehensive and actively curated survey repository on Retrieval-Augmented Generation (RAG) for Large Language Models (LLMs), including papers, datasets, and frameworks.
  • hightopics#2
    Add relevant topics to the repository

    原因：

    复制粘贴的修复
    retrieval-augmented-generation, rag, large-language-models, llm, nlp, survey, research, artificial-intelligence, machine-learning
  • highlicense#3
    Add a LICENSE file to the repository

    原因：

    复制粘贴的修复
    Create a LICENSE file (e.g., MIT License) in the repository root to clarify usage rights.

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 Tongji-KGLLM/RAG-Survey
平均排名
—
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中，你占了多少？
头号对手
arXiv.org
在 2 个问题中被推荐 1 次
竞品排行
  1. arXiv.org · 被推荐 1 次
  2. Google Scholar · 被推荐 1 次
  3. Papers With Code · 被推荐 1 次
  4. ACL Anthology · 被推荐 1 次
  5. Distill.pub · 被推荐 1 次
  • 品类问题
    Where can I find comprehensive research on retrieval-augmented generation for large language models?
    你：未被推荐
    AI 推荐顺序：
    1. arXiv.org
    2. Google Scholar
    3. Papers With Code
    4. ACL Anthology
    5. Distill.pub
    6. Hugging Face Blog/Research
    7. OpenAI Research Blog/Papers

    AI 推荐了 7 个替代方案，却始终没点名 Tongji-KGLLM/RAG-Survey。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What frameworks exist for building retrieval-augmented generation systems with large language models?
    你：未被推荐
    AI 推荐顺序：
    1. LlamaIndex
    2. LangChain
    3. Haystack
    4. RAGatouille
    5. DSPy
    6. LiteLLM
    7. OpenSearch

    AI 推荐了 7 个替代方案，却始终没点名 Tongji-KGLLM/RAG-Survey。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    fail

    建议：

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of Tongji-KGLLM/RAG-Survey?
    pass
    AI 明确点名了 Tongji-KGLLM/RAG-Survey

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts Tongji-KGLLM/RAG-Survey in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 Tongji-KGLLM/RAG-Survey

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo Tongji-KGLLM/RAG-Survey solve, and who is the primary audience?
    pass
    AI 明确点名了 Tongji-KGLLM/RAG-Survey

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 Tongji-KGLLM/RAG-Survey 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/Tongji-KGLLM/RAG-Survey.svg)](https://repogeo.com/zh/r/Tongji-KGLLM/RAG-Survey)
HTML
<a href="https://repogeo.com/zh/r/Tongji-KGLLM/RAG-Survey"><img src="https://repogeo.com/badge/Tongji-KGLLM/RAG-Survey.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

Tongji-KGLLM/RAG-Survey — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3