RAGxplorer

可视化 RAG 内部流程，快速定位检索问题

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 111 🐛 待处理 10 👀 关注 11

GitHub ↗

GitHub 星标 ★ 1222

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源工具，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gabrielchua

GitHubhttps://github.com/gabrielchua/RAGxplorer

定价模式🏷️完全免费

价格说明开源工具，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Jupyter Notebook

技术栈/模型interactive,llm,python,rag,streamlit,visualization

GitHub 星标★ 1222

上线时间2024-01-11 00:00:00

代码更新2025-01-03

仓库体积1.1 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3

项目介绍

RAGxplorer 是一个开源的可视化工具，专门用于理解和调试基于检索增强生成（RAG）的应用。它解决了 RAG 系统中“黑盒”问题，即开发者难以直观看到文档如何被切分、嵌入以及检索结果为何如此。核心能力包括：交互式可视化文档块（chunk）的向量空间分布，展示查询与文档之间的相似度关系，支持上传自定义文档（如 PDF）并实时生成向量索引，帮助用户调整切分策略、嵌入模型或检索参数。通过直观的界面，用户能快速识别检索失败的原因，例如文档块重叠、语义不匹配或索引错误，从而优化 RAG 管道。该工具基于 Jupyter Notebook 构建，易于集成到现有工作流中，适合 AI 工程师、数据科学家和研究者使用。

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 ★ 1222

技术标签

interactive llm python rag streamlit

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

环境要求

已安装 Python 与 pip，能执行 pip install
准备一个本地 PDF 文档（README 示例为 presentation.pdf）
如需按官方教程逐步操作，需有 Jupyter 或 Colab 环境
安装后需能导入 ragxplorer 包并在 Python 中运行

安装与启动步骤

1安装 RAGxplorer

用 pip 从 PyPI 安装 ragxplorer 库，建议在虚拟环境中执行以避免依赖冲突。
```
pip install ragxplorer
```
2创建客户端

在 Python 中导入 RAGxplorer 并用 embedding_model 参数实例化客户端，模型名按需替换。
```
from ragxplorer import RAGxplorer
client = RAGxplorer(embedding_model="thenlper/gte-large")
```
3加载 PDF 文档

把示例文件名换成你自己的 PDF 路径；verbose=True 会输出加载过程的详细信息，便于排查。
```
client.load_pdf("presentation.pdf", verbose=True)
```
4可视化查询

传入要检索的问题，工具会生成查询与文档块的向量可视化，用于观察检索结果是否合理。
```
client.visualize_query("What are the top revenue drivers for Microsoft?")
```
5参考官方教程

按 README 给出的 quickstart notebook 逐步操作，或直接在 Colab 中打开同一教程运行。

关键配置

配置项	必填	说明	示例
`embedding_model`	是	实例化客户端时指定用于生成向量嵌入的模型	`thenlper/gte-large`
`verbose`	否	load_pdf 的参数，是否输出加载文档的详细过程	`True`