CLI-инструмент строит граф контекста по кодовой базе, задачам и знаниям команды, чтобы AI-агенты писали код с учётом особенностей проекта.
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
Клонируйте репозиторий
git clone https://github.com/apecloud/ApeRAG.git - 2
Перейдите в каталог проекта
cd ApeRAG - 3
Скопируйте шаблон окружения в .env
cp envs/env.template .env - 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.
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.
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.
Слой памяти для AI-агентов и приложений, который хранит и извлекает контекст пользователей, сессий и агентов между диалогами.
Система памяти для агентов: сохраняет, извлекает и анализирует воспоминания, помогая ИИ-агентам учиться со временем, а не просто воспроизводить историю чата.
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.