edgequake

用 Rust 把文档变成知识图谱,让 AI 检索更聪明

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 275 🐛 待处理 47 👀 关注 16
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 2300
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,Apache-2.0 许可证,可自由使用和部署,无付费版本。

项目预览

edgequake 项目界面预览图
图片来源:项目官网

项目数据

分类搜索知识
开发团队raphaelmansuy
定价模式🏷️完全免费
价格说明开源项目,Apache-2.0 许可证,可自由使用和部署,无付费版本。
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Apache-2.0
主要语言Rust
技术栈/模型graphrag,knowledge-graph,lightrag,rag
GitHub 星标★ 2300
上线时间2025-12-21 00:00:00
代码更新2026-11-10
仓库体积580.3 MB
本站数据更新2026-11-10
维护状态活跃
收录时间2026-08-09
浏览次数3

项目介绍

EdgeQuake 是一个用 Rust 编写的高性能 GraphRAG 引擎,灵感来自 LightRag。它专注于将文档转化为智能知识图谱,以支持更优的检索与生成。该项目解决了传统 RAG 在复杂关系理解上的不足,通过构建知识图谱来增强上下文关联,从而提升问答和生成的准确性。其核心能力包括高效的图构建、快速的相似性搜索以及与大语言模型的集成。由于采用 Rust 实现,EdgeQuake 在性能上具有显著优势,适合处理大规模文档集。项目目前处于成长阶段,社区和文档正在逐步完善。

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 ★ 2300

使用教程

难度:入门 约 10 分钟 部署方式:Docker 7 步

环境要求

  • 已安装并运行 Docker(含 Docker Compose)
  • 无需安装 Rust 或 Node.js,也不需要本地编译
  • 准备 OpenAI API Key,或本地使用 Ollama 提供模型
  • 可选:自备 PostgreSQL 实例(仅 API 模式需要)
  • 可访问外网以拉取脚本与镜像

安装与启动步骤

  1. 1一键快速启动

    执行官方 quickstart 脚本,交互式向导会引导选择模型提供方(OpenAI / Ollama)、选择模型,并拉起整套服务。

    curl -fsSL https://raw.githubusercontent.com/raphaelmansuy/edgequake/edgequake-main/quickstart.sh | sh
  2. 2打开 Web 界面

    容器启动后浏览器访问 http://localhost:3000 即可进入,无需登录(快速启动以开放 API 模式运行)。

  3. 3下载 Compose 文件

    如果不想用向导,可直接使用官方提供的 quickstart compose 文件,先下载到当前目录。

    curl -fsSL https://raw.githubusercontent.com/raphaelmansuy/edgequake/edgequake-main/docker-compose.quickstart.yml -o docker-compose.quickstart.yml
  4. 4用 Compose 启动

    在下载好 compose 文件的目录执行,后台启动全部服务,效果与一键脚本一致。

    docker compose -f docker-compose.quickstart.yml up -d
  5. 5无交互环境启动

    CI 或无终端场景下,用环境变量传入提供方与密钥,避免向导交互。需先有 quickstart compose 文件。

    EDGEQUAKE_LLM_PROVIDER=openai OPENAI_API_KEY=sk-xxxxxxxx docker compose -f docker-compose.quickstart.yml up -d
  6. 6仅启动 API 服务

    只跑后端 API 容器,映射 8080 端口,数据库需自备并传入 DATABASE_URL,适合已有 PostgreSQL 的场景。

    docker run -d --name edgequake -p 8080:8080 -e DATABASE_URL="postgres://user:pass@your-db:5432/edgequake" -e EDGEQUAKE_LLM_PROVIDER=openai -e OPENAI_API_KEY="sk-xxxxxxxx" ghcr.io/raphaelmansuy/edgequake:latest
  7. 7全栈预构建镜像

    进入仓库 docker 目录,复制环境变量模板后启动预构建全栈(API 8080、前端 3000、PostgreSQL 5432)。

    cd edgequake/docker
    cp .env.example .env
    docker compose -f docker-compose.prebuilt.yml up -d

关键配置

配置项必填说明示例
EDGEQUAKE_LLM_PROVIDER是指定大模型提供方,快速启动向导支持 OpenAI 或 Ollamaopenai
OPENAI_API_KEY是使用 OpenAI 作为提供方时必填的 API 密钥sk-xxxxxxxx
DATABASE_URL否仅 API 模式下的 PostgreSQL 连接串postgres://user:pass@your-db:5432/edgequake
EDGEQUAKE_DEV_MODE否快速启动会设为 true,以开放 API 方式运行且无需登录true

如何确认成功

浏览器打开 http://localhost:3000 能正常进入 Web UI(无需登录)即为启动成功;仅 API 模式则端口为 8080。

常见问题

Q:需要先安装 Rust 或 Node.js 吗?

A:不需要。README 明确说明无需 Rust、无需 Node.js、无需构建,只要有 Docker 即可完成部署。

Q:Web 界面端口是多少,会不会和其他服务冲突?

A:Docker 快速启动把 Web UI 映射到 3000;本地 make dev 默认用 3010,可避免与其他服务栈端口冲突。

Q:没有交互终端时怎么启动?

A:在命令前通过环境变量传入 EDGEQUAKE_LLM_PROVIDER 与 OPENAI_API_KEY 等参数,再执行 docker compose up -d,适用于 CI 环境。

Q:可以用什么数据库版本?

A:预构建 PostgreSQL 镜像默认 PG18,同时提供 pg17、pg16 的多架构标签(amd64 + arm64),按标签选择即可。

注意事项

  • 快速启动通过 EDGEQUAKE_DEV_MODE=true 以开放 API 运行、无登录,适合本地试用,不要直接暴露到公网。
  • 仅 API 模式需要你自备可用的 PostgreSQL,并正确填写 DATABASE_URL。
  • 预构建全栈镜像涉及端口 3000(前端)、8080(API)、5432(PostgreSQL),启动前确认未被占用。
  • 镜像版本示例为 0.21.0 与 :latest,生产环境建议固定具体版本标签而非 latest。

核心亮点

  • 基于 Rust 实现,性能远超 Python 同类项目,处理大规模文档更高效
  • 借鉴 LightRag 的成熟设计,GraphRAG 能力扎实,检索准确度有保障
  • 自动构建知识图谱,无需手动标注,降低使用门槛

不足之处

  • 项目较新,文档和示例相对有限,上手需要一定摸索
  • 生态尚不成熟,周边工具和社区支持不如 Python 系丰富

适用场景

  • 企业级知识库构建,需要快速处理海量文档并支持复杂查询
  • 智能问答系统,需要理解实体间关系以提供精准答案
  • 研究或生产环境中的 RAG 应用,追求高性能和低延迟

替代项目

LightRAG、Microsoft GraphRAG、NebulaGraph

上一篇:MemoRAG

下一篇:agentset

同类项目推荐

lizheng-open-context 开源

把立正公开内容变成可溯源的 AI 上下文库

Source-grounded public context for 立正: Superlinear posts, selected comments, YouTu···

★ 169 2026-09-12
local-LLM-with-RAG 开源

本地跑大模型,私有文档秒变智能问答助手

Running local Language Language Models (LLM) to perform Retrieval-Augmented Generati···

★ 290 2026-08-09
adaptive-chunking 开源

自动为每篇文档挑最佳分块法,提升 RAG 检索准确率

Adaptive Chunking: automatically select the best chunking method per document for RA···

★ 402 2026-08-09
Awesome-Auto-Research-Tools 开源

一站收齐科研自动化工具,从找文献到写代码全提速

A curated collection of automated research tools, covering literature search, paper ···

★ 1283 2026-09-14
deep-research-web-ui 开源

输入一个主题,自动搜索+阅读+迭代,直接产出研究报告

AI deep-research agent that turns any question into a cited report: plans searches, ···

★ 2226 2026-09-15
RAGMeUp 开源

喂入任意数据,快速搭出可问答的 RAG 应用

Generic rag framework to apply the power of LLMs on any given dataset

★ 680 2026-09-21
feeds.fun 开源

用标签和 AI 评分,让新闻阅读更聪明

News reader with tags, scoring, and LLM

★ 397 2026-08-09