quivr

收录理由

多数团队并不需要从零搭建一套RAG流水线，他们要的是一个开箱即用、又能按需调整的方案。Quivr正是这样的存在：它把核心能力打包成Python库（quivr-core），几行代码就能把一整个文件夹里的PDF、文本或Markdown变成可问答的“大脑”，下午就能做出一个文档问答的原型。那些琐碎的环节——分块、嵌入、检索、重排——它用一套有主见的默认配置替你处理妥当，同时你依然可以自由接入任意大模型（OpenAI、Anthropic、Mistral，或通过Ollama跑本地模型），向量库也能换成PGVector或Faiss。想要更精细的控制，可以用YAML文件定义检索流程，调整历史过滤、查询改写和重排参数；文件解析方面，除了自定义解析器，还能配合配套的Megaparse工具来扩展。对于想直接获得一个能跑、又能改的RAG，而不是自己拼装组件的开发者来说，Quivr提供了一个扎实的起点。