Repolode
apecloud

apecloud/ApeRAG

Готовая к production-платформа RAG с Graph RAG, векторным и полнотекстовым поиском, мультимодальным парсингом и AI-агентами; разворачивается через Docker Compose или Kubernetes.

Звёзды
1,322
Форки
147
Открытые issues
37
Последний коммит
в прошлом месяце

Что это?

ApeRAG — платформа генерации с дополнением за счёт поиска (RAG) для создания базы знаний на основе собственных документов. В ней сочетаются пять типов индексов: векторный, полнотекстовый, графовый, сводный и визуальный. Благодаря этому запросы можно обрабатывать сразу несколькими способами поиска. Графовый слой основан на модифицированной версии LightRAG, которая объединяет сущности и помогает поддерживать граф знаний в более чистом виде.

Платформа обрабатывает мультимодальные документы, в том числе изображения, диаграммы и таблицы. Для сложных PDF и формул доступен дополнительный сервис парсинга на базе MinerU с поддержкой GPU. Встроенные AI-агенты умеют выбирать подходящие коллекции, искать по содержимому и выполнять поиск в интернете. MCP-сервер позволяет AI-ассистентам, поддерживающим Model Context Protocol, напрямую обращаться к коллекциям.

Для локального запуска ApeRAG использует Docker Compose. Для production Helm chart разворачивает приложение в Kubernetes, а KubeBlocks при необходимости может подготовить PostgreSQL, Redis, Qdrant, Elasticsearch и Neo4j. Бэкенд написан на FastAPI, фронтенд — на React; Celery используется для асинхронных задач.

Ключевые возможности

  • 01Пять типов индексов: векторный, полнотекстовый, графовый, сводный и визуальный
  • 02Нормализация сущностей для Graph RAG на базе модифицированного LightRAG
  • 03MCP-сервер для запросов к коллекциям знаний из AI-ассистентов
  • 04Мультимодальный парсинг документов с дополнительной поддержкой MinerU и GPU-ускорением
  • 05Helm chart и скрипты KubeBlocks для развёртывания в Kubernetes

Сценарии использования

  • Создание закрытой системы ответов на вопросы по внутренним документам
  • Подключение AI-ассистента к базе знаний команды через MCP
  • Парсинг технических PDF с таблицами и формулами для создания графа с возможностью поиска
  • Запуск собственного RAG-сервиса в Kubernetes с управляемыми базами данных

Быстрый старт

  1. 1

    Клонируйте репозиторий

    git clone https://github.com/apecloud/ApeRAG.git
  2. 2

    Перейдите в каталог проекта

    cd ApeRAG
  3. 3

    Скопируйте шаблон окружения в .env

    cp envs/env.template .env
  4. 4

    Запустите службы с помощью Docker Compose

    docker-compose up -d --pull always

Что важно знать

  • Требуются Docker и Docker Compose, а также не менее 2 ядер CPU и 4 GiB RAM.
  • Для полного развертывания в Kubernetes нужен кластер, а сервису doc-ray по умолчанию требуется не менее 4 ядер CPU и 8 GB RAM.

В подборках

Темы

Частые вопросы

Что такое ApeRAG?
Готовая к production-платформа RAG с Graph RAG, векторным и полнотекстовым поиском, мультимодальным парсингом и AI-агентами; разворачивается через Docker Compose или Kubernetes. ApeRAG — платформа генерации с дополнением за счёт поиска (RAG) для создания базы знаний на основе собственных документов. В ней сочетаются пять типов индексов: векторный, полнотекстовый, графовый, сводный и визуальный. Благодаря этому запросы можно обрабатывать сразу несколькими способами поиска. Графовый слой основан на модифицированной версии LightRAG, которая объединяет сущности и помогает поддерживать граф знаний в более чистом виде.
ApeRAG можно использовать бесплатно? Какая у него лицензия?
ApeRAG распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
ApeRAG всё ещё поддерживается?
Обновлялся за последние 6 месяцев. Последний коммит в ApeRAG — 12 сент. 2026 г..
Для чего можно использовать ApeRAG?
Создание закрытой системы ответов на вопросы по внутренним документам Подключение AI-ассистента к базе знаний команды через MCP Парсинг технических PDF с таблицами и формулами для создания графа с возможностью поиска Запуск собственного RAG-сервиса в Kubernetes с управляемыми базами данных
Как установить ApeRAG?
Клонируйте репозиторий: git clone https://github.com/apecloud/ApeRAG.git Перейдите в каталог проекта: cd ApeRAG Скопируйте шаблон окружения в .env: cp envs/env.template .env Запустите службы с помощью Docker Compose: docker-compose up -d --pull always
Где скачать ApeRAG?
Исходный код и инструкции по установке — на GitHub: https://github.com/apecloud/ApeRAG

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

Похожие проекты

Нативный для Java движок долговременной памяти и контекста для AI-агентов: превращает диалоги, документы и вызовы инструментов в структурированную память с возможностью поиска.

90196JavaApache-2.0Обновлён 2 месяца назад

Фреймворк инкрементальных конвейеров данных на Python с ядром на Rust, который синхронизирует векторные индексы и графы знаний с меняющимися источниками для AI-агентов и RAG-приложений.

11,7 тыс.921RustApache-2.0Обновлён 3 часа назад

Python-инфраструктура, которая превращает корпоративные данные в контекстный слой на основе графов с онтологиями, логическим выводом, отслеживанием происхождения данных и аудитом решений для AI-систем.

14,2 тыс.1,7 тыс.PythonMITОбновлён 8 часов назад