trieve

一个 API 搞定搜索、推荐和 RAG，快速构建智能应用

开源 🏷️定价信息待确认 🔌 仅提供 API 接口搜索知识 🍴 复刻 254 🐛 待处理 3 👀 关注 14

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2723

维护状态低维护

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类搜索知识

开发团队devflowinc

官网地址https://trieve.ai

GitHubhttps://github.com/devflowinc/trieve

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态🔌 仅提供 API 接口

是否开源是

开源协议MIT

主要语言Rust

技术栈/模型actix,actix-web,ai,artificial-intelligence,diesel,embedding,hacktoberfest,llm,postgresql,qdrant,qdrant-vector-database,rag,retrieval-augmented-generation,rust,search,search-engine,solidjs,tailwindcss,vector-search

GitHub 星标★ 2723

上线时间2023-03-26 00:00:00

代码更新2026-01-25

仓库体积180.8 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数1

项目介绍

Trieve 是一个基于 Rust 构建的一站式搜索与 RAG 平台，通过 API 提供搜索、推荐、检索增强生成和数据分析能力。它解决了开发者需要集成多种搜索和 AI 功能时面临的复杂集成问题，将向量搜索、全文搜索、混合搜索、推荐系统、RAG 管道和用户行为分析整合到一个统一的服务中。核心能力包括：支持多种检索算法（如 BM25、向量相似度）、可定制的 RAG 流程（支持自定义提示词和模型）、实时分析仪表盘、以及简单的 API 调用。Trieve 适合需要快速为应用添加智能搜索和 AI 问答功能的团队，尤其适合处理非结构化数据。其 Rust 实现保证了高性能和低延迟，同时提供了自托管选项，让企业可以完全掌控数据。

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 ★ 2723

技术标签

ai artificial-intelligence embedding hacktoberfest llm

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：进阶约 40 分钟部署方式：本地安装 8 步

环境要求

macOS 环境，需先安装 Xcode 命令行工具与 Homebrew
NodeJS LTS 版本 + Yarn 包管理器
Rust 工具链（rustup）及 cargo-watch
Docker（用于启动本地开发所需的容器服务）
本地需具备 tmuxp（README 用 tmuxp load trieve 拉起服务，但未给出安装命令）

安装与启动步骤

1安装系统基础依赖

macOS 下先装 Xcode 命令行工具、Homebrew，再装 pkg-config 和 openssl；装完可能需重开终端。

xcode-select --install
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
brew install pkg-config openssl

2安装 Node 与 Yarn

用 NVM 安装脚本装 NVM，重开终端刷新配置后装 Node LTS，再全局安装 Yarn。
```
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.5/install.sh | bash
nvm install --lts
npm install -g yarn
```
3安装 Rust 环境

通过 rustup 官方脚本安装 Rust 工具链，随后用 cargo 安装 cargo-watch 用于开发热重载。
```
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
cargo install cargo-watch
```

4准备各端环境变量

前端各子项目与 server 都需要各自的 .env；README 提示可能需先在 ./frontends 下创建 analytics 目录。

mkdir -p ./frontends/analytics
cp .env.analytics ./frontends/analytics/.env
cp .env.chat ./frontends/chat/.env
cp .env.search ./frontends/search/.env
cp .env.example ./server/.env
cp .env.dashboard ./frontends/dashboard/.env

5启动依赖容器

把 chat/search/server/docker-compose 四份环境变量合并成根目录 .env，再用 convenience.sh 拉起本地开发所需容器服务。
```
cat .env.chat .env.search .env.server .env.docker-compose > .env
./convenience.sh -l
```
6装前端依赖并构建 SDK

先在 frontends 下执行 yarn 安装依赖，再到 clients/ts-sdk 执行 yarn build 构建 TypeScript SDK。
```
cd frontends && yarn
cd ../clients/ts-sdk && yarn build
cd ../..
```
7拉起全部本地服务

README 说明在 cargo build 完成后使用 tmuxp 加载 trieve 进程组来同时运行前后端服务。
```
tmuxp load trieve
```
8可选：装 MCP 服务

若想在 Claude Desktop 中直接使用 Trieve，可用 Smithery CLI 一键安装 trieve-mcp-server。
```
npx -y @smithery/cli install trieve-mcp-server --client claude
```

关键配置

配置项	必填	说明	示例
`server/.env`	是	服务端主配置，由仓库根目录 .env.example 复制而来	`.env.example`
`frontends/analytics/.env`	是	analytics 前端环境变量，由 .env.analytics 复制	`.env.analytics`
`frontends/chat/.env`	是	chat 前端环境变量，由 .env.chat 复制	`.env.chat`
`frontends/search/.env`	是	search 前端环境变量，由 .env.search 复制	`.env.search`
`frontends/dashboard/.env`	是	dashboard 前端环境变量，由 .env.dashboard 复制	`.env.dashboard`
`OPENAI_API_KEY`	否	运行 evals 评测时通过命令行前缀传入的模型密钥	`sk-xxxxxxxx`

如何确认成功

浏览器打开 http://localhost:8090/redoc 能看到 OpenAPI 文档；http://localhost:5173 可注册并创建测试数据集；http://localhost:5174 可搜索该数据集。

常见问题

Q：验证时页面打不开怎么办？

A：确认 ./convenience.sh -l 拉起的容器仍在运行，且 cargo build / tmuxp load trieve 已完成；8090 为 API 文档端口，5173 为 dashboard，5174 为搜索页。

Q：非 macOS 系统能用这份流程吗？

A：README 给的是 macOS 本地开发流程（Xcode、Homebrew 均为 macOS 专用）；Linux/Windows 需自行替换为对应的依赖安装方式，README 未给出对应命令。

Q：怎么跑 evals 评测？

A：evals 包会加载 MCP 客户端执行 index.ts，无需反复重建；用环境变量前缀传入密钥即可：OPENAI_API_KEY=your-key npx mcp-eval evals.ts clients/mcp-server/src/index.ts。

Q：如何测试 Stripe 支付相关功能？

A：先装 Stripe CLI，执行 stripe login 和 stripe listen --forward-to localhost:8090/api/stripe/webhook，把返回的签名密钥写入 server/.env 的 STRIPE_WEBHOOK_SECRET，再创建产品和订阅计划。

Q：有没有更省事的使用方式？

A：可以直接注册官方托管服务（dashboard.trieve.ai，含免费额度），或者用 Smithery 一键把 trieve-mcp-server 装进 Claude Desktop，无需自托管。

注意事项

本流程为 README 中的本地开发（Local Setup）自托管方式，部署到 AWS/GCP/K8s 的完整自托管指南需查阅官方文档。
README 提示可能需要先在 ./frontends 下手动创建 analytics 目录，否则 cp .env.analytics 会失败。
最后一步 tmuxp load trieve 依赖 tmuxp，README 未给出其安装命令，请自行确认环境已具备。
自托管后还可调用官方 SDK：TypeScript SDK（ts-sdk.trieve.ai）与 Python SDK（trieve-py-client）。

核心亮点

Rust 实现，性能高，延迟低，适合生产环境
一体化 API，集成搜索、推荐和 RAG，减少开发工作量
支持自托管，数据隐私可控，避免依赖第三方云服务

不足之处

文档和社区生态相对较小，学习资源有限
高级功能配置复杂，需要一定的搜索和 AI 背景知识

适用场景

为 SaaS 产品添加智能搜索和 AI 问答功能
构建企业知识库，实现文档检索和摘要生成
电商平台实现个性化推荐和搜索排序

替代项目

Meilisearch、Qdrant、Weaviate

上一篇：rag-web-ui

下一篇：code-graph-rag