#180 · 主分类: 知识库与企业搜索

NexusRAG

chromadb citation docling document-parsing fastapi gemini knowledge-base knowledge-graph lightrag ollama rag react reranking retrieval-augmented-generation streaming vector-search

混合RAG系统,结合向量搜索、知识图谱(LightRAG)和交叉编码器重排序——配备Docling文档解析、视觉智能(图像/表格字幕)、代理式流式聊天和行内引用。由Gemini或本地Ollama模型驱动。

项目最后更新:04/20/26

GitHub Stars

505

Forks数量

110

贡献者数量

3

许可证

MIT

收录理由

面对那些结构杂乱、信息密集、满是表格的文档,只用向量相似度检索往往不够。NexusRAG把三条路并行打通:向量检索、借助LightRAG的知识图谱实体查询、交叉编码器重排序,最后把结果融合成一个答案。它对待文档解析也比大多数简单演示更认真,Docling能保留标题、版式和分页,视觉模型会给图片和表格生成说明文字,让它们成为可检索的内容而不是被丢掉。流式聊天回答自带行内引用,每句话都能追回原文出处。而且它能跑在本地Ollama模型或完全离线的sentence-transformers上,想为文档密集的知识库做评估不必依赖云端API,这在实际选型时省掉不少麻烦。

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