RAGLight

模块化 RAG 框架，轻松接入 MCP 工具，快速构建检索增强应用。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 102 🐛 待处理 15 👀 关注 5

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 672

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源框架，MIT许可证，完全免费，无付费版本。

项目预览

项目数据

分类搜索知识

开发团队Bessouat40

官网地址https://raglight.mintlify.app

GitHubhttps://github.com/Bessouat40/RAGLight

定价模式🏷️完全免费

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🔧 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

上线时间2024-12-12 00:00:00

代码更新2026-10-16

仓库体积15.6 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数6

项目介绍

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。

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 ★ 672

技术标签

agentic-ai agentic-rag agentic-workflow artificial-intelligence data-science

使用教程

难度：进阶约 35 分钟部署方式：本地安装 4 步

环境要求

Python 3.10+
Ollama 或其它模型服务

安装与启动步骤

1安装

类型化的 RAG 工具包，pip 装核心。
```
pip install raglight
```
2按后端装 extras

ollama、chroma、documents 分别对应不同组件。
```
pip install "raglight[ollama,chroma,documents]"
```
3跑开发检查

仓库用 make 管理任务，先跑 check 确认环境干净。
```
make check
```
4搭一条最小管线

用本地 ollama 加 chroma 跑通检索问答。