Raudaschl/rag-fusion

Что это?

Ключевые возможности

• 01Генерирует несколько вариантов переформулировки запроса пользователя с помощью LLM, охватывая разные формулировки.
• 02Сочетает поиск по ключевым словам с BM25 и векторный поиск для каждого варианта запроса.
• 03Объединяет ранжированные результаты с помощью Reciprocal Rank Fusion.
• 04Поддерживает этапы переранжирования с cross-encoder и другими моделями для объединённого набора кандидатов.
• 05Оценивает варианты поиска на наборе данных NFCorpus с помощью IR-метрик и бутстреп-интервалов доверия.
• 06Кэширует переформулировки запросов LLM на диске и сохраняет эмбеддинги ChromaDB локально.

Сценарии использования

• Поиск специализированной литературы, например медицинских или научных статей, где терминология различается.
• Повышение полноты в поисковых конвейерах, где пропуск релевантного документа обходится дорого.
• Эксперименты с переформулировкой запросов и объединением ранжированных списков перед внедрением этих методов в систему RAG.

Быстрый старт

1. 1

   Установите основные зависимости

   pip install openai chromadb python-dotenv tqdm tabulate rank_bm25
2. 2

   Создайте файл .env на основе шаблона

   cp .env.example .env
3. 3

   Добавьте ключ API OpenAI в .env, а затем запустите демо

   python main.py

Что важно знать

• !Для запуска демо и перезаписи требуется платный ключ API OpenAI.
• !Демо в main.py использует только векторный поиск; наиболее эффективная конфигурация hybrid-plus-rerank находится в eval/ и требует дополнительных пакетов.
• !Эксперименты зависят от конкретных LLM и моделей принятия решений, некоторые из которых могут быть сняты с поддержки или недоступны.

Темы

Частые вопросы

Что такое rag-fusion?

Эталонная реализация RAG-Fusion на Python: переписывание запросов с помощью LLM, поиск BM25 и векторный поиск, Reciprocal Rank Fusion и инструментарий для оценки на NFCorpus. RAG-Fusion — метод поиска для генерации с дополненной поиском выдачей. LLM переписывает запрос пользователя в несколько вариантов с разных ракурсов, для каждого варианта выполняется поиск по ключевым словам с BM25 и векторный поиск, а затем ранжированные списки объединяются с помощью Reciprocal Rank Fusion: документы, которые встречаются в нескольких списках, поднимаются выше. Метод подходит для случаев, когда одна формулировка запроса не позволяет найти релевантные материалы, например если пользователь использует термины, отличающиеся от тех, по которым индексирован корпус.

rag-fusion можно использовать бесплатно? Какая у него лицензия?

rag-fusion распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.

rag-fusion всё ещё поддерживается?

Активно поддерживается. Последний коммит в rag-fusion — 10 окт. 2026 г..

Для чего можно использовать rag-fusion?

Поиск специализированной литературы, например медицинских или научных статей, где терминология различается. Повышение полноты в поисковых конвейерах, где пропуск релевантного документа обходится дорого. Эксперименты с переформулировкой запросов и объединением ранжированных списков перед внедрением этих методов в систему RAG.

Как установить rag-fusion?

Установите основные зависимости: pip install openai chromadb python-dotenv tqdm tabulate rank_bm25 Создайте файл .env на основе шаблона: cp .env.example .env Добавьте ключ API OpenAI в .env, а затем запустите демо: python main.py

Где скачать rag-fusion?

Исходный код и инструкции по установке — на GitHub: https://github.com/Raudaschl/rag-fusion