rags

用大白话跟数据聊天，自动出结果

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署对话助手 🍴 复刻 653 🐛 待处理 39 👀 关注 54 ⚠️ 作者已归档（停止维护）

GitHub ↗

GitHub 星标 ★ 6547

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，可免费使用和部署。

项目预览

项目数据

分类对话助手

开发团队run-llama

GitHubhttps://github.com/run-llama/rags

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可免费使用和部署。

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Python

技术栈/模型agent,chatbot,chatgpt,gpts,llamaindex,llm,openai,rag,streamlit

GitHub 星标★ 6547

上线时间2023-11-16 00:00:00

代码更新2024-04-05

仓库体积160 KB

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3

项目介绍

rags 是一个基于自然语言的数据对话助手框架，旨在让用户通过聊天的方式直接与自己的数据交互，无需编写代码。它利用 RAG（检索增强生成）技术，将用户的数据源（如文档、数据库等）与大型语言模型（LLM）结合，支持多轮对话、上下文记忆和智能检索。项目基于 Python 构建，集成了 LlamaIndex、OpenAI 和 Streamlit，提供了可视化的聊天界面，降低了使用门槛。核心能力包括：自然语言查询、数据源灵活接入、对话式分析、以及可扩展的 Agent 机制。它解决的是传统数据分析中需要编写复杂查询或依赖专业人员的问题，让非技术用户也能通过对话获取洞察。

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 ★ 6547

技术标签

agent chatbot chatgpt gpts llamaindex

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

环境要求

Python 3 环境（README 使用 python3 创建虚拟环境）
已安装 Poetry 包管理工具（需执行 poetry install）
一个可用的 OpenAI API Key（默认使用 OpenAI 作为构建与 RAG 智能体）
能访问 GitHub 克隆仓库的网络环境

安装与启动步骤

1克隆项目仓库

把 rags 仓库克隆到本地，克隆完成后进入项目文件夹，后续命令都在该目录内执行。
```
git clone https://github.com/run-llama/rags.git
cd rags
```
2创建虚拟环境

README 推荐为依赖创建独立虚拟环境，避免污染系统 Python 环境；创建后需自行激活（如 source .venv/bin/activate）。
```
python3 -m venv .venv
```
3安装项目依赖

使用 Poetry 安装依赖，README 指定带 dev 依赖组安装，需等待依赖下载完成。
```
poetry install --with dev
```
4配置 OpenAI 密钥

在项目根目录下的 .streamlit/secrets.toml 中写入 openai_key，README 要求该文件放在 home 文件夹下。
```
mkdir -p .streamlit
printf 'openai_key = "sk-xxxxxxxx"\n' > .streamlit/secrets.toml
```
5启动 Streamlit 应用

从 home page 文件启动应用，启动后终端会输出本地访问地址，在浏览器中打开即可使用。
```
streamlit run 1__Home.py
```