Repolode
Предложить
SensAI-PT

SensAI-PT/RAGMeUp

Универсальный расширяемый RAG-фреймворк для LLM-приложений, отвечающих на вопросы по вашим данным; включает React-интерфейс и сервер на Python.

Открыть на GitHub
Звёзды
678
Форки
98
Открытые issues
0
Последний коммит
в прошлом месяце

Что это?

RAG Me Up — это фреймворк для создания приложений на основе Retrieval-Augmented Generation, в которых LLM отвечает на вопросы, используя предоставленные вами документы или данные. Проект состоит из RAG-сервера на Python, API-сервера на Node.js с PostgreSQL и React-клиента. Благодаря этому логику поиска и веб-интерфейс можно разрабатывать и запускать отдельно.

Проект устроен модульно: можно заменять чанкеры, векторные хранилища и ретриверы собственными реализациями. В комплекте есть конфигурация Docker Compose для запуска всего стека на одной машине. Python-сервер в Docker работает только на CPU, а в гибридном режиме его можно запускать непосредственно на хосте, чтобы использовать локальный GPU для эмбеддингов и инференса.

В репозитории также есть ссылка на сайт с документацией по настройке, архитектуре и API. Проект поддерживает SensAI.PT; команда сообщает, что использует его в собственном приложении персонального AI-тренера.

Ключевые возможности

  • 01Модульная архитектура с заменяемыми чанкерами, векторными хранилищами и ретриверами.
  • 02Конфигурация Docker Compose для запуска PostgreSQL, API на Node.js и React-клиента.
  • 03Гибридный режим, в котором RAG-сервер на Python запускается на хосте для доступа к GPU/CUDA.
  • 04React-интерфейс для работы с RAG-приложением.
  • 05В качестве базы данных используется PostgreSQL (ParadeDB).

Сценарии использования

  • Создание прототипа вопросно-ответного ассистента для работы с собственными документами.
  • Разработка узкоспециализированного чат-бота на основе собственной базы знаний.
  • Запуск собственного RAG-стека на локальной машине с GPU-ускорением эмбеддингов.

Быстрый старт

  1. 1

    Клонируйте репозиторий

    git clone https://github.com/SensAI-PT/RAGMeUp.git
  2. 2

    Перейдите в каталог проекта

    cd RAGMeUp
  3. 3

    Создайте env-файл Docker на основе примера и задайте в нём POSTGRES_PASSWORD и JWT_SECRET

    cp docker-compose.env.example docker-compose.env
  4. 4

    Соберите и запустите все сервисы с помощью Docker Compose

    docker compose --env-file docker-compose.env up --build -d

Что важно знать

  • Полная конфигурация Docker запускает Python-сервер только на CPU, поэтому для использования GPU потребуется отдельная гибридная конфигурация.
  • Для настройки необходим Docker, а также конфигурация нескольких сервисов и переменных окружения.

Темы

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

Частые вопросы

Что такое RAGMeUp?
Универсальный расширяемый RAG-фреймворк для LLM-приложений, отвечающих на вопросы по вашим данным; включает React-интерфейс и сервер на Python. RAG Me Up — это фреймворк для создания приложений на основе Retrieval-Augmented Generation, в которых LLM отвечает на вопросы, используя предоставленные вами документы или данные. Проект состоит из RAG-сервера на Python, API-сервера на Node.js с PostgreSQL и React-клиента. Благодаря этому логику поиска и веб-интерфейс можно разрабатывать и запускать отдельно.
RAGMeUp можно использовать бесплатно? Какая у него лицензия?
RAGMeUp распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
RAGMeUp всё ещё поддерживается?
Обновлялся за последние 6 месяцев. Последний коммит в RAGMeUp — 12 сент. 2026 г..
Для чего можно использовать RAGMeUp?
Создание прототипа вопросно-ответного ассистента для работы с собственными документами. Разработка узкоспециализированного чат-бота на основе собственной базы знаний. Запуск собственного RAG-стека на локальной машине с GPU-ускорением эмбеддингов.
Как установить RAGMeUp?
Клонируйте репозиторий: git clone https://github.com/SensAI-PT/RAGMeUp.git Перейдите в каталог проекта: cd RAGMeUp Создайте env-файл Docker на основе примера и задайте в нём POSTGRES_PASSWORD и JWT_SECRET: cp docker-compose.env.example docker-compose.env Соберите и запустите все сервисы с помощью Docker Compose: docker compose --env-file docker-compose.env up --build -d
Где скачать RAGMeUp?
Исходный код и инструкции по установке — на GitHub: https://github.com/SensAI-PT/RAGMeUp

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты