在AWS上快速搭建生产级RAG应用，用Bedrock和PGVector搞定全套流程。
这是一个构建在AWS上的RAG（检索增强生成）Web应用示例，核心结合了Amazon Bedrock（托管大模型服务）和PGVector（PostgreSQL的向量检索扩展，运行在Amazon RDS上）。项目旨在提供一个有明确技术选型和最佳实践的参考模板，解决开发者在AWS上快速搭建RAG应用时面临的架构设计、数据存储、模型调用等复杂问题。它演示了如何将文档切分、向量化、存储、检索以及生成回答的完整流程串联起来，并提供了部署脚本和示例代码，帮助用户理解并快速复制一套生产可用的RAG架构。项目强调“Opinionated”，即给出推荐的技术路径，减少用户的选择困难。
langchain、llama_index、quivr
rag-with-amazon-bedrock-and-pgvector 是搜索知识领域的开源项目，由 aws-samples 开发，2024 年首次发布。
它收录于搜索知识分类，该分类目前共有 581 个项目，GitHub 星标数为 102。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-14。开源示例项目，MIT-0许可证，可自由使用和部署，无收费。
它主要面向的使用场景是：在AWS上快速构建企业知识库问答系统。同类可对比的替代方案包括 langchain、llama_index、quivr。
上一篇：DocMeld
下一篇：OpenSearch-VL
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···
