EasyRAG

像搭积木一样快速搭建高准确率 RAG 问答系统

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 79 🐛 待处理 1 👀 关注 4

GitHub ↗

GitHub 星标 ★ 642

维护状态低维护

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，可自行部署使用。

项目预览

项目数据

分类搜索知识

开发团队BUAADreamer

GitHubhttps://github.com/BUAADreamer/EasyRAG

定价模式🏷️完全免费

价格说明开源框架，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Python

技术栈/模型aiops,bge,bm25,ccf,glm4,gte,hyde,llm,minicpm,network-operations,qa,rag,retrieval,retrieval-augmented-generation,rrf

GitHub 星标★ 642

上线时间2024-06-04 00:00:00

代码更新2024-11-17

仓库体积31.1 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

EasyRAG 是一个易用的 RAG（检索增强生成）框架，源自 CCF AIOps 国际挑战赛 2024 的季军方案。它旨在解决企业落地 RAG 时面临的工程复杂度高、检索效果调优难等问题，提供从文档解析、向量化、检索到生成的全流程简化能力。核心能力包括：开箱即用的数据管道、多种检索策略融合（如混合检索、重排序）、以及针对运维日志等专业场景的优化。项目采用 Python 实现，模块化设计，便于二次开发。通过内置的评估与调优工具，帮助开发者快速构建高准确率的问答系统。

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 ★ 642

技术标签

aiops bm25 llm qa rag

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 90 分钟部署方式：本地GPU 5 步

环境要求

GPU 24G 显存
约 30G 模型空间
运维领域数据（自带样例可跑）

安装与启动步骤

1装依赖

Python 工程，含检索与生成两段。
```
pip install -r requirements.txt
```
2下模型

官方脚本统一下载所需模型，注意磁盘配额。
```
bash scripts/download.sh
```
3处理数据

它自带网络运维领域的样例数据，先按脚本处理一遍。
```
bash scripts/process.sh
```
4跑评测

先用主程序看它在自带数据上的准确率基线。
```
python3 main.py
```
5起服务与界面

再起接口和网页界面，接口用 uvicorn 起。
```
uvicorn api:app --host 0.0.0.0 --port 8000
```