### [ChatGPT Retrieval Plugin：20k+ Stars！RAG鼻祖项目，让ChatGPT拥有外部知识](https://www.willai.cc/article/1246)

**Published:** 2026-06-06T09:51:29

**Author:** hiyoho

**Excerpt:** 📦 项目简介 chatgpt-retrieval-plugin 是 OpenAI 官方开源的 ChatGPT 检索插件模板，它是 RAG（检索增强生成） 领域的鼻祖级项目，让 ChatGPT 能够访问自定义数据源。 这个项目展示了如何让大模

## 📦 项目简介

**chatgpt-retrieval-plugin** 是 OpenAI 官方开源的 ChatGPT 检索插件模板，它是 **RAG（检索增强生成）** 领域的鼻祖级项目，让 ChatGPT 能够访问自定义数据源。

这个项目展示了如何让大模型动态访问外部知识库，而不是仅仅依赖训练数据。它是现在所有 RAG 应用的”祖师爷”。

## ⚙️ 安装要求和过程

### 环境要求

-   **Python**：3.8+（推荐 3.10+）
-   **向量数据库**：Pinecone / Weaviate / Qdrant（任选其一）
-   **OpenAI API Key**：必需（用于 Embedding 和 ChatGPT）
-   **内存**：建议 8GB+（本地测试可降级）

### 快速安装步骤

```
# 1. 克隆项目
git clone https://github.com/openai/chatgpt-retrieval-plugin.git
cd chatgpt-retrieval-plugin

# 2. 安装依赖
pip install -r requirements.txt

# 3. 配置环境变量
cp .env.example .env
# 编辑 .env，填入你的 OpenAI API Key 和向量数据库配置

# 4. 构建向量索引
python scripts/process_docs.py

# 5. 启动服务
uvicorn server.main:app --reload --port 8000
```

安装完成后，在 ChatGPT Plugins 模式中添加本地插件，指向 `http://localhost:8000` 即可。

## 🔥 核心功能

### 1\. 向量检索（核心能力）

将文档切片后转化为向量，存储到 Pinecone 等向量数据库。用户提问时，系统自动检索最相关的文档片段，注入到 ChatGPT 的上下文中。

### 2\. 递归爬取（数据接入）

内置 `scripts/process_docs.py` 支持递归爬取网站内容（基于 BeautifulSoup），自动处理 HTML、PDF、Markdown 等多种格式。

### 3\. 元数据过滤（精准召回）

支持为文档添加元数据标签（来源、日期、作者等），检索时可根据元数据进行过滤，大幅提升召回精准度。

### 4\. 插件标准接口（OpenAI 官方规范）

严格遵循 OpenAI Plugin 规范（`/.well-known/ai-plugin.json`、`/openapi.yaml`），可作为开发自定义 ChatGPT 插件的参考模板。

## 💡 典型使用场景

### 场景一：企业知识库问答

将公司内部文档（产品手册、API 文档、HR 政策）向量化后接入 ChatGPT，员工可以直接用自然语言查询，比如”我们公司的报销流程是什么？”，ChatGPT 会从知识库中精准召回答案。

**价值**：替代传统关键词搜索，问答准确率提升 60%+。

### 场景二：技术文档助手

开源项目维护者可以将项目文档（README、Wiki、Issue 解答）接入插件，用户在使用 ChatGPT 时可以直接获得项目相关的准确回答，而不用担心模型产生幻觉。

**价值**：降低开源项目的使用门槛，减少重复解答。

## 🌟 推荐理由

这个项目最大的价值不在于代码本身（实际上代码量并不大），而在于它 **定义了 RAG 的标准范式**：

1.  **文档切片 → Embedding → 向量存储 → 检索召回 → 注入上下文 → 生成回答**，这条链路现在是业界标配。
2.  如果你想做知识库问答、企业 AI 助手、文档 Copilot，这个项目是最好的起点。
3.  虽然 OpenAI 后来推出了 **Assistants API** 和 **GPTs**，底层逻辑依然和这个插件一脉相承。

值得一提的是，现在很多热门项目（RAGFlow、AnythingLLM、Dify 的知识库功能）都能看到这个项目的影子。可以说，它是 RAG 应用的”黄埔军校”。

## 📥 下载地址

-   **GitHub 仓库**：[openai/chatgpt-retrieval-plugin](https://github.com/openai/chatgpt-retrieval-plugin)
-   **OpenAI Plugins 文档**：[官方文档](https://platform.openai.com/docs/plugins)
-   **Pinecone 向量数据库**：[pinecone.io](https://www.pinecone.io/)

_如果你正在做知识库问答或者企业 AI 助手，这个项目值得深入研究。它不仅是 RAG 的鼻祖，更是理解大模型如何”连接外部知识”的最佳教材。_

**Tags:** AI, ChatGPT, GitHub, OpenAI, RAG, 人工智能, 向量数据库, 开源, 检索增强, 知识库

**Categories:** 开源项目

---