検索拡張生成とエージェント機能を組み合わせ、LLMアプリケーション向けのコンテキストレイヤーを提供するオープンソースRAGエンジン。
SensAI-PT/RAGMeUp
独自データセットに関する質問に回答するLLMアプリケーションを構築できる、React UIとPythonサーバーを備えた汎用・拡張可能なRAGフレームワーク。
- スター
- 678
- フォーク
- 98
- 未解決の Issue
- 0
- 最終コミット
- 先月
これは何?
RAG Me Upは、LLMが提供したドキュメントやデータを使って質問に回答するRetrieval-Augmented Generationアプリケーションを構築するためのフレームワークです。Python製のRAGサーバー、PostgreSQLをバックエンドにしたNode.js APIサーバー、Reactクライアントで構成されており、検索ロジックとWebインターフェースを個別に開発・実行できます。
モジュール性を重視した設計で、chunker、vector store、retrieverを独自の実装に差し替えられます。単一マシンでスタック全体を実行するためのDocker Compose構成も用意されています。PythonサーバーはDocker内でCPUのみを使って動作し、ハイブリッドモードではホスト上で直接実行して、埋め込み生成や推論にローカルGPUを利用できます。
リポジトリからは、セットアップ、アーキテクチャ、APIリファレンスを網羅したドキュメントサイトにもアクセスできます。SensAI.PTが開発・保守しており、自社のAIパーソナルトレーナー製品でも利用していると報告しています。
主な機能
- 01chunker、vector store、retrieverを差し替えられるモジュール設計。
- 02PostgreSQL、Node.js API、Reactクライアントを起動するDocker Compose構成。
- 03Python製RAGサーバーをホスト上で実行し、GPU/CUDAを利用できるハイブリッドモード。
- 04RAGアプリケーションを操作するためのReact製Web UIを搭載。
- 05バックエンドのデータベースとしてPostgreSQL(ParadeDB)を使用。
ユースケース
- 独自のドキュメントを対象にした質問応答アシスタントのプロトタイピング。
- 独自のナレッジベースを利用する、特定分野向けチャットボットの構築。
- ローカルマシンで、GPUによる埋め込み生成に対応したセルフホスト型RAGスタックを実行。
クイックスタート
- 1
リポジトリをクローンする
git clone https://github.com/SensAI-PT/RAGMeUp.git - 2
プロジェクトディレクトリに移動する
cd RAGMeUp - 3
サンプルから Docker の env ファイルを作成し、POSTGRES_PASSWORD と JWT_SECRET を設定する
cp docker-compose.env.example docker-compose.env - 4
Docker Compose ですべてのサービスをビルドして起動する
docker compose --env-file docker-compose.env up --build -d
使う前に知っておきたいこと
- Docker の完全なセットアップでは Python サーバーは CPU のみで実行されるため、GPU を使うには別途ハイブリッド構成が必要です。
- セットアップには Docker のほか、複数のサービスと環境変数の設定が必要です。
トピック
よくある質問
- RAGMeUp とは?
- 独自データセットに関する質問に回答するLLMアプリケーションを構築できる、React UIとPythonサーバーを備えた汎用・拡張可能なRAGフレームワーク。 RAG Me Upは、LLMが提供したドキュメントやデータを使って質問に回答するRetrieval-Augmented Generationアプリケーションを構築するためのフレームワークです。Python製のRAGサーバー、PostgreSQLをバックエンドにしたNode.js APIサーバー、Reactクライアントで構成されており、検索ロジックとWebインターフェースを個別に開発・実行できます。
- RAGMeUp は無料で使えますか?ライセンスは?
- RAGMeUp は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- RAGMeUp は今もメンテナンスされていますか?
- 半年以内に更新あり。RAGMeUp の最終コミットは 2026年9月12日 です。
- RAGMeUp は何に使えますか?
- 独自のドキュメントを対象にした質問応答アシスタントのプロトタイピング。 独自のナレッジベースを利用する、特定分野向けチャットボットの構築。 ローカルマシンで、GPUによる埋め込み生成に対応したセルフホスト型RAGスタックを実行。
- RAGMeUp のインストール方法は?
- リポジトリをクローンする: git clone https://github.com/SensAI-PT/RAGMeUp.git プロジェクトディレクトリに移動する: cd RAGMeUp サンプルから Docker の env ファイルを作成し、POSTGRES_PASSWORD と JWT_SECRET を設定する: cp docker-compose.env.example docker-compose.env Docker Compose ですべてのサービスをビルドして起動する: docker compose --env-file docker-compose.env up --build -d
- RAGMeUp はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/SensAI-PT/RAGMeUp
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
文書をエンティティと関係性に分解してインデックス化し、LLMによる検索拡張回答を実現する軽量な知識グラフRAGフレームワーク兼サーバー。
モジュール型パイプラインとエージェントワークフローで、RAG、検索、エージェント向けの本番運用可能なLLMアプリケーションを構築するオープンソースPythonフレームワーク。
LightRAGを基盤とし、テキストに加えて画像・表・数式を含む文書を検索できるオールインワンのRAGフレームワーク。
BAAIが提供する検索ツールキット。BGE埋め込み・再ランキングモデルに加え、検索やRAG向けの学習、評価、チュートリアルを備えています。
会話をまたいでユーザー、セッション、エージェントのコンテキストを保存・取得する、AIエージェントやアプリ向けのメモリレイヤー。