GitHub Stars
1.2K
Forks数量
334
贡献者数量
3
许可证
MIT
收录理由
这个项目把检索增强生成（RAG）完整地跑在本地机器上，靠 Ollama 加载本地模型，用 mxbai-embed-large 做嵌入。你可以上传 PDF、文本或 JSON 文件，然后向这些资料提问；同一套流程也能指向自己的邮箱，用来检索往来邮件。它由几个清晰的 Python 脚本组成，从文档导入到查询改写，每一步都摊开在眼前，适合想弄明白 RAG 各环节如何衔接的人，而不是把它当黑盒。配套的 YouTube 教程一步步演示配置过程，对刚接触 RAG 的开发者或小团队来说上手很快。虽然谈不上生产级的检索系统，但作为本地验证概念或研究基线，几分钟内就能让自己的数据变得可问答。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，将前沿 RAG 与 Agent 能力融合，为大型语言模型（LLM）打造卓越的上下文层。
Understand-Anything
教学型图表优于炫技型图表。将任意代码转化为可探索、搜索和提问的交互式知识图谱。支持Claude Code、Codex、Cursor、Copilot、Gemini CLI等。
crawl4ai
🚀🤖 Crawl4AI：开源的、对LLM友好的网页爬虫与抓取工具。别害羞，加入这里：https://discord.gg/jP8KfhDhyN
docling
为生成式AI准备文档
anything-llm
停止租用你的智能。用AnythingLLM拥有它。你需要的一切，实现强大的本地优先智能体体验。