ragbits

用乐高式模块,快速搭出你的 AI 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 146 🐛 待处理 56 👀 关注 9
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1680
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,可自行部署使用。

项目预览

ragbits 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队deepsense-ai
定价模式🏷️完全免费
价格说明开源项目,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agents,document-search,evaluation,guardrails,llms,optimization,prompts,rag,vector-stores
GitHub 星标★ 1680
上线时间2024-09-02 00:00:00
代码更新2026-05-18
仓库体积45.8 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5

项目介绍

ragbits 是一个用于快速构建生成式 AI 应用的 Python 开发框架,提供模块化的构建块,帮助开发者高效组合检索增强生成(RAG)、智能体(Agent)和评估(Evaluation)等核心能力。它解决了从原型到生产过程中常见的集成复杂度和工程化难题,通过简洁的 API 统一了向量存储、提示词管理、模型调用和结果评估等环节。ragbits 的核心能力包括:插件化的检索组件、可扩展的智能体工作流、内置的评估工具,以及清晰的配置管理。它旨在降低 GenAI 应用开发的入门门槛,同时保持足够的灵活性以适应复杂场景,适合快速验证想法并平滑过渡到生产环境。

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 ★ 1680

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:入门 约 10 分钟 部署方式:库/依赖 3 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Python 环境(ragbits 为 Python 开发框架)
  • 可访问 GitHub 与官网文档的网络环境
  • 如需调用云端模型,准备对应 LLM 服务的凭证
  • 如需向量检索,准备 Qdrant 或 PgVector 等向量存储服务

安装与启动步骤

  1. 1查阅官方文档

    README 节选中的 Installation 与 Quickstart 章节为空,安装命令需以官网文档为准,请先访问官网确认最新安装方式。

  2. 2克隆代码仓库

    从 GitHub 获取 ragbits 源码,后续可查看仓库内 README 与示例;克隆后请留意仓库中实际提供的安装说明。

    git clone https://github.com/deepsense-ai/ragbits.git
  3. 3阅读仓库安装说明

    进入仓库目录,查看 README 中 Installation 与 Quickstart 段落以及示例代码,按仓库实际给出的命令执行,不要自行猜测包名与参数。

    cd ragbits

如何确认成功

README 未给出启动成功验证方式;请按官网 Quickstart 运行示例,能正常调用所选 LLM 即视为配置成功。

常见问题

Q:README 里为什么找不到安装命令?

A:本次提供的节选中 Installation 与 Quickstart 两节内容为空,未包含具体命令,需前往官网 https://ragbits.deepsense.ai 查看完整安装指引。

Q:支持哪些大模型?

A:可通过 LiteLLM 接入 100 多个 LLM,也支持运行本地模型,具体用法见官网 how-to/llms 相关文档。

Q:支持哪些向量存储?

A:内置支持 Qdrant、PgVector 等向量存储,也可接入自有的向量存储实现。

Q:如何监控应用性能?

A:支持 OpenTelemetry 追踪处理器与 CLI 追踪处理器,可实时观测运行表现。

Q:上线前如何测试提示词?

A:框架内置与 promptfoo 的集成,可在部署前对提示词进行验证。

注意事项

  • 本次 README 节选未包含安装命令,请勿凭猜测执行 pip install 等操作,一切以官网文档为准。
  • 仓库地址为 https://github.com/deepsense-ai/ragbits,官网为 https://ragbits.deepsense.ai。
  • 使用云端 LLM 时注意妥善保管 API 密钥,不要硬编码进代码仓库。

核心亮点

  • 模块化设计,组件即插即用,开发效率高
  • 内置评估工具,方便验证 RAG 效果
  • 支持多种向量存储和模型,集成灵活

不足之处

  • 文档和社区生态尚在早期,示例不够丰富
  • 项目较新,API 可能变动,稳定性待观察

适用场景

  • 快速搭建企业知识库问答机器人
  • 开发需要多步推理的智能客服助手
  • 对 RAG 流程进行效果对比和调优

替代项目

LangChain、LlamaIndex、Haystack

上一篇:BuildingAI

下一篇:puppyone

同类项目推荐

railtracks 开源

让AI代理更抗造,干活不翻车

An agentic framework that helps developers build resilient agentic systems

★ 235 2026-08-09
golc 开源

用 Go 语言像搭积木一样组合 LLM 能力,构建高效 AI 应用。

Building Go applications with LLMs through composability

★ 117 2026-08-09
UltraRAG 开源

低代码搭建复杂 RAG 流水线,快速落地智能检索应用

A Low-Code MCP Framework for Building Complex and Innovative RAG Pipelines

★ 5739 2026-08-09
mastra 开源

用 TypeScript 快速构建 AI 应用和智能体,开箱即用。

Mastra is the modern TypeScript framework for AI-powered applications and agents.

★ 29401 2026-08-09
Weave 开源

用 Go 快速搭建带 AI 能力的服务,省心又高效

A highly efficient, secure, and stable application development platform with excelle···

★ 545 2026-08-09
llama_ros 开源

在 ROS 2 里直接跑本地大模型,机器人秒变能听会看会聊

llama.cpp (GGUF LLMs) and llava.cpp (GGUF VLMs) for ROS 2

★ 268 2026-10-16
Turing.jl 开源

用几行 Julia 代码写概率模型,自动完成贝叶斯推断

Bayesian inference with probabilistic programming.

★ 2263 2026-10-25
prodagent 开源

1800行读懂 agent 框架内核,可恢复可续跑

A minimal, readable agent-framework kernel — understand how LangGraph/ADK work unde···

★ 140 2026-10-15
eino 开源

用 Go 构建 LLM 应用,像搭积木一样编排 AI 工作流。

The ultimate LLM/AI application development framework in Go.

★ 13580 2026-08-10