Um grafo de contexto controlado por CLI que indexa seu codebase, issues e conhecimento da equipe para dar aos agentes de programação com IA o contexto específico do projeto.
5,7 mil686PythonApache-2.0Atualizado há 6 horas
apecloud/ApeRAG
Plataforma RAG pronta para produção que combina Graph RAG, busca vetorial e full-text, processamento multimodal e agentes de IA, com implantação via Docker Compose ou Kubernetes.
- Estrelas
- 1,322
- Forks
- 147
- Issues abertas
- 37
- Último commit
- mês passado
O que é?
ApeRAG é uma plataforma de geração aumentada por recuperação (RAG) para criar uma base de conhecimento com seus próprios documentos. Ela combina cinco tipos de índice (vetorial, full-text, grafo, resumo e visão) para responder a consultas usando vários métodos de recuperação ao mesmo tempo. Sua camada de grafo é uma versão modificada do LightRAG, com mesclagem de entidades para manter os grafos de conhecimento mais organizados.
A plataforma processa documentos multimodais, incluindo imagens, gráficos e tabelas, e oferece um serviço de processamento baseado no MinerU, opcional e com suporte a GPU, para PDFs complexos e fórmulas. Os agentes de IA integrados podem selecionar coleções relevantes, pesquisar conteúdo e fazer buscas na web. Um servidor MCP permite que assistentes de IA compatíveis com o Model Context Protocol consultem coleções diretamente.
Para uso local, o ApeRAG é iniciado com Docker Compose. Em produção, um Helm chart implanta a aplicação no Kubernetes, e o KubeBlocks pode provisionar PostgreSQL, Redis, Qdrant, Elasticsearch e Neo4j, se desejado. O backend usa FastAPI, o frontend usa React e o Celery cuida das tarefas assíncronas.
Recursos principais
- 01Cinco tipos de índice: vetorial, full-text, grafo, resumo e visão
- 02Normalização de entidades para Graph RAG, baseada em uma versão modificada do LightRAG
- 03Servidor MCP para que assistentes de IA consultem coleções de conhecimento
- 04Processamento de documentos multimodais com MinerU opcional e aceleração por GPU
- 05Helm chart e scripts do KubeBlocks para implantação no Kubernetes
Casos de uso
- Criar um sistema privado de perguntas e respostas com base em documentos internos
- Conectar um assistente de IA à base de conhecimento da equipe por meio do MCP
- Processar PDFs técnicos com tabelas e fórmulas e transformá-los em um grafo pesquisável
- Executar um serviço RAG autogerenciado no Kubernetes com bancos de dados gerenciados
Início rápido
- 1
Clone o repositório
git clone https://github.com/apecloud/ApeRAG.git - 2
Entre no diretório do projeto
cd ApeRAG - 3
Copie o modelo de ambiente para .env
cp envs/env.template .env - 4
Inicie os serviços com o Docker Compose
docker-compose up -d --pull always
Antes de usar
- É necessário ter Docker e Docker Compose, com pelo menos 2 núcleos de CPU e 4 GiB de RAM.
- A implantação completa no Kubernetes requer um cluster e, por padrão, o serviço doc-ray precisa de pelo menos 4 núcleos de CPU e 8 GB de RAM.
Tópicos
Perguntas frequentes
- O que é ApeRAG?
- Plataforma RAG pronta para produção que combina Graph RAG, busca vetorial e full-text, processamento multimodal e agentes de IA, com implantação via Docker Compose ou Kubernetes. ApeRAG é uma plataforma de geração aumentada por recuperação (RAG) para criar uma base de conhecimento com seus próprios documentos. Ela combina cinco tipos de índice (vetorial, full-text, grafo, resumo e visão) para responder a consultas usando vários métodos de recuperação ao mesmo tempo. Sua camada de grafo é uma versão modificada do LightRAG, com mesclagem de entidades para manter os grafos de conhecimento mais organizados.
- ApeRAG é gratuito? Qual é a licença?
- ApeRAG é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- ApeRAG ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de ApeRAG foi em 12 de set. de 2026.
- Para que posso usar ApeRAG?
- Criar um sistema privado de perguntas e respostas com base em documentos internos Conectar um assistente de IA à base de conhecimento da equipe por meio do MCP Processar PDFs técnicos com tabelas e fórmulas e transformá-los em um grafo pesquisável Executar um serviço RAG autogerenciado no Kubernetes com bancos de dados gerenciados
- Como instalar ApeRAG?
- Clone o repositório: git clone https://github.com/apecloud/ApeRAG.git Entre no diretório do projeto: cd ApeRAG Copie o modelo de ambiente para .env: cp envs/env.template .env Inicie os serviços com o Docker Compose: docker-compose up -d --pull always
- Onde consigo ApeRAG?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/apecloud/ApeRAG
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Mecanismo Java nativo de memória de longo prazo e contexto para agentes de IA, que transforma conversas, documentos e chamadas de ferramentas em memórias estruturadas e recuperáveis.
90196JavaApache-2.0Atualizado há 2 meses
Framework de pipelines de dados incremental em Python, com núcleo em Rust, que mantém índices vetoriais e grafos de conhecimento sincronizados com fontes em constante mudança para agentes de IA e aplicações RAG.
11,7 mil919RustApache-2.0Atualizado há 21 horas
Uma camada de memória para agentes e apps de IA que armazena e recupera contexto de usuários, sessões e agentes entre conversas.
67,5 mil8 milPythonApache-2.0Atualizado há 3 dias
Sistema de memória para agentes que armazena, recupera e reflete sobre memórias para que agentes de IA aprendam com o tempo, em vez de apenas reproduzir o histórico de conversas.
51,9 mil6,2 milPythonMITAtualizado anteontem
Infraestrutura Python que transforma dados corporativos em uma camada de contexto baseada em grafos, com ontologias, raciocínio, proveniência e trilhas de auditoria de decisões para sistemas de IA.
14,2 mil1,7 milPythonMITAtualizado há 21 horas