RAGMeUp

喂入任意数据，快速搭出可问答的 RAG 应用

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 99 🐛 待处理 1 👀 关注 4

GitHub ↗

GitHub 星标 ★ 680

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源免费，需自行部署

项目预览

项目数据

分类搜索知识

开发团队SensAI-PT

GitHubhttps://github.com/SensAI-PT/RAGMeUp

定价模式🏷️完全免费

价格说明开源免费，需自行部署

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Apache-2.0

主要语言Python

GitHub 星标★ 680

上线时间2024-05-22 00:00:00

代码更新2026-09-12

仓库体积1.6 MB

本站数据更新2026-11-05

维护状态维护中

收录时间2026-09-21

浏览次数2

项目介绍

RAGMeUp 是一个通用的 RAG（检索增强生成）框架，目标是把大语言模型的能力快速应用到任意数据集上。用户只需提供文档或数据源，框架即可完成文本切分、向量化、索引构建和检索问答流程，无需从零搭建 RAG 管线。它支持多种向量数据库与大模型接口，提供可配置的检索策略，适合想快速验证 RAG 效果或搭建内部知识问答的开发者。项目用 Python 编写，结构相对轻量，便于二次开发和集成到现有系统。核心能力包括文档摄入、向量检索、上下文拼装和 LLM 生成，覆盖从数据到答案的完整链路。

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 2026-09-21 · 当前星标 ★ 680

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 40 分钟部署方式：Docker 部署 4 步

环境要求

Docker
模型 API Key

安装与启动步骤

1克隆仓库

RAG 应用模板，前端后端加向量库都在 compose 里。
```
git clone https://github.com/SensAI-PT/RAGMeUp.git
```
2准备环境文件

把密钥与服务地址写进 compose 用的 env 文件。
```
cp docker-compose.env.example docker-compose.env
```
3起容器

用指定的 env 文件启动，注意与默认文件区分。
```
docker compose --env-file docker-compose.env up --build -d
```
4本地方式另起

不走容器时用虚拟环境加 pip 装，再跑 server.py。
```
python server.py
```