RAGMeUp은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

RAGMeUp은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

RAGMeUp은(는) 아직 유지보수되고 있나요?

6개월 이내 업데이트. RAGMeUp의 마지막 커밋은 2026년 9월 12일입니다.

RAGMeUp은(는) 어디에 사용할 수 있나요?

자체 문서를 바탕으로 질문에 답하는 어시스턴트 프로토타이핑. 맞춤 지식 베이스를 기반으로 하는 도메인 특화 챗봇 구축. 로컬 머신에서 GPU 가속 임베딩을 사용하는 자체 호스팅 RAG 스택 실행.

RAGMeUp는 어떻게 설치하나요?

저장소를 클론합니다: git clone https://github.com/SensAI-PT/RAGMeUp.git 프로젝트 디렉터리로 이동합니다: cd RAGMeUp 예제 파일을 바탕으로 Docker env 파일을 만들고 POSTGRES_PASSWORD와 JWT_SECRET을 설정합니다: cp docker-compose.env.example docker-compose.env Docker Compose로 모든 서비스를 빌드하고 시작합니다: docker compose --env-file docker-compose.env up --build -d

RAGMeUp은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/SensAI-PT/RAGMeUp

SensAI-PT/RAGMeUp

자체 데이터셋을 바탕으로 질문에 답하는 LLM 애플리케이션을 위한 범용 확장형 RAG 프레임워크로, React UI와 Python 서버를 제공합니다.

GitHub에서 보기

스타: 678
포크: 98
열린 이슈: 0
마지막 커밋: 지난달

어떤 프로젝트인가요?

RAG Me Up은 LLM이 제공된 문서나 데이터를 활용해 질문에 답하는 Retrieval-Augmented Generation 애플리케이션을 만들기 위한 프레임워크입니다. Python RAG 서버, PostgreSQL을 사용하는 Node.js API 서버, React 클라이언트로 구성되어 있어 검색 로직과 웹 인터페이스를 따로 개발하고 실행할 수 있습니다.

이 프로젝트는 모듈식으로 설계되어 청크 분할기, 벡터 저장소, 검색기를 자체 구현으로 교체할 수 있습니다. 전체 스택을 단일 머신에서 실행할 수 있는 Docker Compose 설정도 제공합니다. Python 서버는 Docker에서 CPU 전용 모드로 실행되며, 하이브리드 모드를 사용하면 서버를 호스트에서 직접 실행해 임베딩과 추론에 로컬 GPU를 활용할 수 있습니다.

저장소에는 설정, 아키텍처, API 참조를 다루는 문서 사이트 링크도 있습니다. 프로젝트를 관리하는 SensAI.PT는 자체 AI 퍼스널 트레이너 제품에 이 프로젝트를 사용한다고 밝혔습니다.

핵심 기능

01청크 분할기, 벡터 저장소, 검색기를 교체할 수 있는 모듈식 설계.
02PostgreSQL, Node.js API, React 클라이언트를 실행하는 Docker Compose 설정.
03Python RAG 서버를 호스트에서 실행해 GPU/CUDA를 사용할 수 있는 하이브리드 모드.
04RAG 애플리케이션과 상호작용할 수 있는 React 웹 UI를 제공합니다.
05백엔드 데이터베이스로 PostgreSQL(ParadeDB)을 사용합니다.

활용 사례

자체 문서를 바탕으로 질문에 답하는 어시스턴트 프로토타이핑.
맞춤 지식 베이스를 기반으로 하는 도메인 특화 챗봇 구축.
로컬 머신에서 GPU 가속 임베딩을 사용하는 자체 호스팅 RAG 스택 실행.

빠른 시작

1
저장소를 클론합니다
git clone https://github.com/SensAI-PT/RAGMeUp.git
2
프로젝트 디렉터리로 이동합니다
cd RAGMeUp
3
예제 파일을 바탕으로 Docker env 파일을 만들고 POSTGRES_PASSWORD와 JWT_SECRET을 설정합니다
cp docker-compose.env.example docker-compose.env
4
Docker Compose로 모든 서비스를 빌드하고 시작합니다
docker compose --env-file docker-compose.env up --build -d

사용 전 알아둘 점

전체 Docker 설정에서는 Python 서버가 CPU만 사용해 실행되므로, GPU를 사용하려면 별도의 하이브리드 설정이 필요합니다.
설정하려면 Docker가 필요하며 여러 서비스와 환경 변수를 구성해야 합니다.

토픽

#rag #llm #retrieval-augmented-generation #python #react #vector-search #docker

자주 묻는 질문

RAGMeUp은(는) 무엇인가요?: 자체 데이터셋을 바탕으로 질문에 답하는 LLM 애플리케이션을 위한 범용 확장형 RAG 프레임워크로, React UI와 Python 서버를 제공합니다. RAG Me Up은 LLM이 제공된 문서나 데이터를 활용해 질문에 답하는 Retrieval-Augmented Generation 애플리케이션을 만들기 위한 프레임워크입니다. Python RAG 서버, PostgreSQL을 사용하는 Node.js API 서버, React 클라이언트로 구성되어 있어 검색 로직과 웹 인터페이스를 따로 개발하고 실행할 수 있습니다.
RAGMeUp은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?: RAGMeUp은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
RAGMeUp은(는) 아직 유지보수되고 있나요?: 6개월 이내 업데이트. RAGMeUp의 마지막 커밋은 2026년 9월 12일입니다.
RAGMeUp은(는) 어디에 사용할 수 있나요?: 자체 문서를 바탕으로 질문에 답하는 어시스턴트 프로토타이핑. 맞춤 지식 베이스를 기반으로 하는 도메인 특화 챗봇 구축. 로컬 머신에서 GPU 가속 임베딩을 사용하는 자체 호스팅 RAG 스택 실행.
RAGMeUp는 어떻게 설치하나요?: 저장소를 클론합니다: git clone https://github.com/SensAI-PT/RAGMeUp.git 프로젝트 디렉터리로 이동합니다: cd RAGMeUp 예제 파일을 바탕으로 Docker env 파일을 만들고 POSTGRES_PASSWORD와 JWT_SECRET을 설정합니다: cp docker-compose.env.example docker-compose.env Docker Compose로 모든 서비스를 빌드하고 시작합니다: docker compose --env-file docker-compose.env up --build -d
RAGMeUp은(는) 어디서 받을 수 있나요?: 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/SensAI-PT/RAGMeUp

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.