RAGLight

模块化 RAG 框架，轻松接入 MCP 工具，快速构建检索增强应用。

RAGLight 是一个模块化的检索增强生成（RAG）框架，旨在简化 RAG 应用的构建过程。它解决了传统 RAG 实现中组件耦合度高、替换困难的问题，允许开发者灵活地接入不同的 LLM、嵌入模型和向量数据库。其核心能力包括：提供统一的接口抽象，支持多种主流模型和存储后端；内置完整的 RAG 流水线（索引、检索、生成）；特别地，它集成了 MCP（模型上下文协议），能够无缝连接外部工具和数据源，扩展 RAG 的应用边界。该框架设计轻量，易于上手，适合快速原型开发和中小型项目。对于希望定制 RAG 流程或集成外部工具的开发者，RAGLight 提供了一个灵活且简洁的解决方案。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 672

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队Bessouat40

所属国家

官网地址https://raglight.mintlify.app

GitHubhttps://github.com/Bessouat40/RAGLight

定价模式free

价格说明开源框架，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agentic-ai,agentic-rag,agentic-workflow,artificial-intelligence,data-science,framework,huggingface,lmstudio,mcp,mcp-tools,mistral-api,mistralai,ollama,openai,openai-api,rag,retrieval-augmented,retrieval-augmented-generation,vector-database

GitHub 星标★ 672

30天Star增速

HF 下载量

上线时间2024-12-12 00:00:00

最近更新2026-09-23 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

模块化设计，LLM/嵌入/向量库可插拔，替换成本低
内置 MCP 集成，可直接连接外部工具和数据源，扩展性强
代码简洁，依赖少，适合快速搭建 RAG 原型

不足之处

早期项目，文档和社区生态尚不完善
功能覆盖不如 LlamaIndex 等成熟框架全面

适用场景

快速构建企业知识库问答机器人
需要接入自定义工具或数据源的 RAG 应用
教学或研究用途，学习 RAG 核心流程

替代项目

LlamaIndex、LangChain、Haystack

项目介绍

RAGLight 是开发框架领域的开源项目，由 Bessouat40 开发，2024 年首次发布。

它收录于开发框架分类，该分类目前共有 795 个项目，GitHub 星标数为 672。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：快速构建企业知识库问答机器人。同类可对比的替代方案包括 LlamaIndex、LangChain、Haystack。

上一篇：VLM2Vec

下一篇：EasyRAG