rig

用 Rust 快速搭建可靠、可扩展的 LLM 应用

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 1019 🐛 待处理 74 👀 关注 57

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 9096

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队0xPlaygrounds

官网地址https://rig.rs

GitHubhttps://github.com/0xPlaygrounds/rig

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Rust

技术栈/模型agent,ai,artificial-intelligence,automation,generative-ai,large-language-model,llm,llmops,rust,scalable-ai

GitHub 星标★ 9096

上线时间2024-06-05 00:00:00

代码更新2026-11-09

仓库体积147.8 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数7

项目介绍

rig 是一个用 Rust 构建模块化、可扩展 LLM 应用的框架，旨在解决 Rust 生态中缺乏成熟 LLM 开发工具的问题。它提供统一的接口来接入多种主流大模型（如 OpenAI、Cohere、Azure 等），支持 Agent 构建、RAG（检索增强生成）、工具调用和流式响应等核心能力。通过清晰的抽象层和组合式设计，开发者可以像搭积木一样灵活组装 LLM 工作流，同时享受 Rust 带来的高性能和内存安全。项目强调生产级可靠性，适合对延迟和资源占用敏感的场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 9096

技术标签

agent ai artificial-intelligence automation generative-ai

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

已安装 Rust 工具链（rustc 与 cargo）
网络可访问 crates.io 以拉取依赖
如需接入云端大模型，需准备对应厂商（如 OpenAI、Cohere、Azure）的 API Key

安装与启动步骤

1安装 Rust 工具链

rig 是 Rust 库，先确保本机有 cargo 与 rustc；已安装可跳过此步。
```
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
```
2创建 Cargo 项目

新建一个 Rust 二进制项目作为练习工程，目录名可自行修改。
```
cargo new my-rig-app
```
3添加 rig 依赖

进入项目目录后把 rig 门面加入依赖，根 rig 已重新导出 rig-core 与 rig-agent。
```
cd my-rig-app
cargo add rig
```
4查阅官方文档

README 未给示例代码，按需翻阅官网文档与 API 参考了解用法。
5编译验证

编译工程确认依赖解析成功，无错误即说明环境与依赖就绪。
```
cargo build
```