UltraRAG

低代码搭建复杂 RAG 流水线,快速落地智能检索应用

UltraRAG 是一个基于 Python 的低代码 MCP(Model Context Protocol)框架,用于构建复杂且创新的 RAG(检索增强生成)流水线。它解决了传统 RAG 系统开发中集成难度大、流程编排复杂、扩展性差的问题,通过声明式配置和可视化编排,让开发者能够快速搭建从文档解析、索引构建、检索召回、重排到生成的全链路 RAG 应用。核心能力包括:支持多种数据源接入、模块化组件设计、内置多种检索策略(如混合检索、递归检索)、提供 MCP 协议支持以便与外部工具无缝集成,并附带性能监控和评估工具。UltraRAG 强调低代码和灵活性,适合从原型验证到生产部署的快速迭代。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 5705
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OpenBMB
所属国家
定价模式free
价格说明开源框架,Apache-2.0 许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型deepseek,demo,easy,embedding,flask,gpt,huggingface-transformers,llm,mcp,multimodal,openai,qwen,rag,sentence-transformers,ui,vllm,vlm
GitHub 星标★ 5705
30天Star增速
HF 下载量
上线时间2025-01-16 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4

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 6 步

环境要求

  • Python 环境(用于安装 UltraRAG 及其依赖)
  • uv 0.12.0(README 推荐用于管理环境与依赖)
  • Docker(可选,用于容器方式部署)
  • 可访问 PyPI 与 Docker Hub 的网络

安装与启动步骤

  1. 1安装 uv

    README 强烈推荐用 uv 管理 Python 环境与依赖,可大幅提升安装速度。已安装可跳过。

    pip install uv==0.12.0
  2. 2源码安装全部依赖

    在项目源码根目录执行,[all] 为全量安装,包含所有功能组件。

    uv pip install -e ".[all]"
  3. 3按需安装组件(可选)

    若不需要全部功能,可改为按需安装,README 以 retriever 为例。

    uv pip install -e ".[retriever]"
  4. 4拉取 Docker 镜像

    不想配置本地 Python 环境时改用容器部署,按需选择 CPU 基础版、GPU 基础版或 GPU 完整版。

    docker pull hdxin2002/ultrarag:v0.3.0-base-cpu
    docker pull hdxin2002/ultrarag:v0.3.0-base-gpu
    docker pull hdxin2002/ultrarag:v0.3.0
  5. 5验证安装

    运行官方提供的示例流水线,检查环境是否正常。

    ultrarag run examples/experiments/sayhello.yaml
  6. 6查阅快速开始文档

    官网文档提供从入门到进阶的完整教程示例,可按需查阅学习。

如何确认成功

执行 ultrarag run examples/experiments/sayhello.yaml,若终端输出 “Hello, UltraRAG v3!” 即表示安装成功。

常见问题

Q:uv 安装不成功怎么办?

A:README 给出的直接安装命令是 pip install uv==0.12.0,可先确认 pip 可用再重试;也可参考 uv 官方仓库安装。

Q:不想配置本地 Python 环境怎么办?

A:可使用 Docker 方式,README 提供 hdxin2002/ultrarag:v0.3.0-base-cpu(CPU 基础版)、v0.3.0-base-gpu(GPU 基础版)、v0.3.0(GPU 完整版)三个镜像。

Q:只想安装部分功能可以吗?

A:可以,README 支持按需安装,例如 uv pip install -e ".[retriever]" 只安装 retriever 相关依赖。

Q:验证命令报错找不到 ultra 命令?

A:请确认已在项目源码根目录完成依赖安装,且当前虚拟环境已激活;必要时重新执行 uv pip install -e ".[all]"。

注意事项

  • README 推荐使用 uv==0.12.0 管理环境与依赖,可显著提升安装速度。
  • [all] 表示全量安装,[retriever] 只是按需安装的示例写法。
  • Docker 镜像分基础版(CPU/GPU)与完整版(GPU),部署前按硬件条件选择。
  • README 节选中未给出 git clone 命令,拉取源码的步骤请参考官方文档。

核心亮点

  • 声明式配置减少手写胶水代码,显著降低 RAG 开发门槛
  • 内置多种检索与重排策略,开箱即用支持混合搜索
  • 基于 MCP 协议,可无缝集成外部工具和模型服务

不足之处

  • 项目较新,文档和社区生态仍在完善中
  • 高级自定义场景可能需要深入理解内部抽象

适用场景

  • 企业知识库问答系统快速搭建
  • 复杂多源数据检索增强生成应用开发
  • RAG 流水线原型验证与迭代优化

替代项目

LangChain、LlamaIndex、Haystack

项目介绍

UltraRAG 是开发框架领域的开源项目,由 OpenBMB 开发,2025 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(5,705)位列前 8%,在开发框架分类的 803 个项目里位列前 9%。

近 41 天,它的 GitHub 星标从 5,669 增加到 5,705,净增 36。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。Apache-2.0 许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:企业知识库问答系统快速搭建。同类可对比的替代方案包括 LangChain、LlamaIndex、Haystack。

上一篇:genkit

下一篇:ruoyi-ai

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146874 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166529 2026-08-09
pi 开源

一套 TypeScript 工具包,快速搭出能写代码的 AI agent

AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI

★ 108504 2026-09-12