项目预览
项目数据
项目介绍
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 ★ 25873
技术标签
使用教程
环境要求
- Docker 环境(推荐使用 Docker 方式部署)
- 支持平台:linux/amd64 或 linux/arm64(较新的 Mac)
- 非 Docker 本地安装需 Python 3.10、git
- 非 Docker 安装推荐使用 uv,也可使用 conda
- 需准备大模型与 Embedding 的 api_key(私有 RAG 可改用 Ollama)
安装与启动步骤
-
1运行 Docker 镜像
推荐方式。full 版本含 unstructured 额外包,支持 .doc、.docx 等更多文件类型,但镜像体积更大。
docker run -e GRADIO_SERVER_NAME=0.0.0.0 -e GRADIO_SERVER_PORT=7860 -v ./ktem_app_data:/app/ktem_app_data -p 7860:7860 -it --rm ghcr.io/cinnamon/kotaemon:main-full -
2按需切换镜像版本
lite 版本体积小、多数场景够用;带 ollama 的镜像内置本地模型,适合本地/私有 RAG。
docker run -e GRADIO_SERVER_NAME=0.0.0.0 -e GRADIO_SERVER_PORT=7860 -v ./ktem_app_data:/app/ktem_app_data -p 7860:7860 -it --rm ghcr.io/cinnamon/kotaemon:main-lite -
3指定平台架构
Mac(arm64) 等场景可在 docker run 中加 --platform 参数显式指定平台。
docker run -e GRADIO_SERVER_NAME=0.0.0.0 -e GRADIO_SERVER_PORT=7860 -v ./ktem_app_data:/app/ktem_app_data -p 7860:7860 -it --rm --platform linux/arm64 ghcr.io/cinnamon/kotaemon:main-lite -
4克隆代码仓库
不使用 Docker 时的本地安装第一步;项目根目录后续用来创建 .env 文件。
git clone https://github.com/Cinnamon/kotaemon cd kotaemon -
5创建 Python 环境
推荐用 uv 安装依赖并激活虚拟环境;也可用 conda 方式安装 kotaeom 两个子包。
uv sync --python 3.10 source .venv/bin/activate -
6配置 .env 文件
在项目根目录创建 .env,以 .env.example 为模板,预配置模型 api_key;仅在首次运行时用于填充数据库。
-
7启动 Web 服务
运行后应用会自动在浏览器中打开;默认用户名和密码均为 admin,可在界面里新增用户。
python app.py -
8检查模型配置
进入 Resources 标签页的 LLMs and Embeddings,确认 api_key 已正确读取,未设置可在此处补填。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
GRADIO_SERVER_NAME | 否 | Web 服务监听地址,容器中一般设为 0.0.0.0 | 0.0.0.0 |
GRADIO_SERVER_PORT | 否 | Web 服务端口,需与 -p 映射端口一致 | 7860 |
GRAPHRAG_API_KEY | 否 | 使用 GraphRAG 检索功能时必须设置的 API KEY | sk-xxxxxxxx |
KH_DOCSTORE | 否 | 文档存储后端,提供全文检索能力 | LanceDB |
KH_VECTORSTORE | 否 | 向量存储后端,用于向量检索 | ChromaDB |
USE_NANO_GRAPHRAG | 否 | 设为 true 时启用 NanoGraphRAG 实现 | true |
如何确认成功
浏览器访问 http://localhost:7860/,出现 kotaemon WebUI 即成功;默认用户名和密码均为 admin。
常见问题
Q:lite 和 full 镜像怎么选?
A:full 镜像额外安装 unstructured 包,支持 .doc、.docx 等更多文件类型但体积更大;大多数用户使用 lite 镜像即可。
Q:容器里的数据会丢失吗?
A:启动命令用 -v ./ktem_app_data:/app/ktem_app_data 把应用数据挂载到宿主机,删除容器后数据仍在本地目录中。
Q:如何做本地/私有 RAG?
A:使用内置 Ollama 的镜像 ghcr.io/cinnamon/kotaemon:main-ollama,并参考 docs/local_model.md 完成本地模型配置。
Q:安装 nano-graphrag 或 LightRAG 报版本冲突怎么办?
A:按 README 提示执行 pip uninstall hnswlib chroma-hnswlib && pip install chroma-hnswlib 快速修复,再启动 Kotaemon。
Q:默认登录账号是什么?
A:用户名和密码均为 admin,登录后可直接通过界面创建其他用户。
注意事项
- README 明确推荐普通用户从最新 release 下载 .zip 直接使用,或参考官方 User Guide。
- Docker 镜像存放在 GHCR,全部镜像可在项目的 Packages 页面查看。
- .env 文件只在首次运行时填充数据库,之后再次启动不会再使用该文件。
- 官方 MS GraphRAG 索引仅支持 OpenAI 或 Ollama API,建议多数用户改用 NanoGraphRAG。
核心亮点
- 基于RAG架构,支持与多种文档格式(如PDF、DOCX等)进行自然语言对话,检索准确率高
- 提供简洁直观的Web界面,用户可快速上传文档并获取带引用的回答,降低使用门槛
- 支持本地部署和自定义LLM接入,兼顾数据隐私与灵活性,适合企业或隐私敏感场景
不足之处
- 文档/社区待观察
适用场景
- 企业内部知识库问答,员工快速检索合同、手册等文档
- 学术研究场景,辅助阅读论文并提取关键信息
- 个人文档管理,用于整理笔记或书籍并交互式查询
替代项目
LangChain、Haystack、txtai
下一篇:WeKnora
同类项目推荐
openchatbi
开源
用聊天代替写SQL,一句话查数出图
OpenChatBI is an intelligent chat-based BI tool powered by large language models, de···
coco-app
开源
搜索记录协作一屏搞定,不再来回切换
Coco AI App - Search, Connect, Collaborate, Personal AI Search and Assistant, all in···
Controllable-RAG-Agent
开源
用图算法让RAG回答复杂问题更准更可控
This repository provides an advanced Retrieval-Augmented Generation (RAG) solution f···
awesome-llm
开源
一页清单,快速找到 LLM 框架、工具与学习资料
A curated list of awesome LLM frameworks, libraries and software.
storm
开源
输入主题,自动生成带引用的长文报告
An LLM-powered knowledge curation system that researches a topic and generates a ful···
rag-web-ui
开源
上传文档,即刻拥有一个能聊天的知识库助手
RAG Web UI is an intelligent dialogue system based on RAG (Retrieval-Augmented Gener···
RAG-Anything
开源
多模态文档一键变可问答知识库
"RAG-Anything: All-in-One RAG Framework"
BCEmbedding
开源
有道开源的 RAG 嵌入+重排模型,中文检索更准
Netease Youdao's open-source embedding and reranker models for RAG products.
extractor
开源
用自然语言描述,让 LLM 帮你从网页中提取结构化数据
Use LLMs to robustly extract web data
