local-rag

本地私有化部署,让敏感文档也能安全做 RAG 问答

local-rag 是一个基于 Python 的本地化 RAG(检索增强生成)工具,专注于让用户在不依赖任何第三方服务、不将敏感数据传出本地网络的前提下,完成文档的摄取、索引和检索增强生成。它支持对接开源大语言模型(LLM),用户可以将本地文件(如 PDF、TXT 等)导入系统,系统会进行切分、向量化并存储,随后通过本地 LLM 实现基于私有知识的问答。核心能力包括:本地化部署、隐私保护、与主流开源 LLM 集成、简易的文件摄取流程。该项目解决了企业或个人在敏感数据场景下无法使用云端 RAG 服务的痛点,提供了完全离线、可控的 RAG 解决方案。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 762
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队jonfairbanks
所属国家
官网地址
定价模式free
价格说明开源项目,GPL-3.0许可,本地部署,完全免费。
访问状态
是否开源是
开源协议GPL-3.0
主要语言Python
技术栈/模型large-language-models,llm,ollama,rag,retrieval-augmented-generation
GitHub 星标★ 762
30天Star增速
HF 下载量
上线时间2024-02-15 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数1

使用教程

核心亮点

  • 完全离线运行,数据不出本地网络,隐私零泄露
  • 支持多种文件格式摄取,集成主流开源 LLM
  • 部署简单,适合快速搭建私有知识库问答

不足之处

  • 项目早期,文档和社区支持有待完善
  • 对大规模文档的检索性能优化可能不足

适用场景

  • 企业内部敏感文档的智能问答
  • 个人知识库的本地化管理与检索
  • 离线环境下的 RAG 应用开发

替代项目

LangChain、LlamaIndex、privateGPT

项目介绍

local-rag 是搜索知识领域的开源项目,由 jonfairbanks 开发,2024 年首次发布。

它收录于搜索知识分类,该分类目前共有 585 个项目,GitHub 星标数为 762。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。GPL-3.0许可,本地部署,完全免费。

它主要面向的使用场景是:企业内部敏感文档的智能问答。同类可对比的替代方案包括 LangChain、LlamaIndex、privateGPT。

上一篇:album-ai

下一篇:rag

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单,开发者省下整周加班

The web data API to search, scrape, and interact at scale.

★ 183325 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用,从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图,找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 120493 2026-08-09
ragflow 开源

让大模型用上你的私有知识,搭建可靠的企业级RAG应用

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···

★ 91170 2026-08-09