当今时代，人工智能技术的飞速发展为各行各业带来了革命性的变化。在自然语言处理领域，检索增强生成（RAG）系统因其卓越的性能和广泛的应用前景，正成为研究和应用的热点。今天，我要向您推荐的是一个创新的系统——Easy-RAG，它不仅易于学习、使用，还具备自主扩展的能力。希望能让您对RAG能更近一步的了解。

一、Easy-RAG 系统概览

Easy-RAG 是一个开放源代码的检索增强生成 (RAG) 系统，旨在提供一种简便的方式来学习和使用 RAG 技术，并支持用户自主扩展系统功能。该系统适用于希望深入了解和应用 RAG 技术的研究人员和开发者，无论是在学术研究还是在商业开发中都能提供强有力的支持。

二、功能特点

Easy-RAG 的功能特点主要包括：

知识库支持：目前支持 txt、csv、pdf 等格式的文件作为知识库，并提供知识库的创建、更新、删除等功能。

聊天功能：支持纯大模型聊天多轮，以及知识库问答，提供复杂召回方式、简单召回方式和rerank重新排序来提高检索效率搜索方式。

语音转文本：支持音频视频的语音转文本然后向量化，使用的 funasr 模型，可在首次启动时从魔塔下载模型。

持续更新计划：计划后续支持 Elasticsearch、Milvus、MongoDB 等向量数据，以及添加语音回答输出和问题路由知识库的功能。

三、项目结构

Easy-RAG 的项目结构包括：

四、安装与使用

Easy-RAG 的安装和使用相对简单，可以通过 Ollama 安装包进行安装，并通过简单的命令行操作来部署所需的大模型和模型。具体的安装步骤包括下载 Ollama 安装包，运行相应的命令来安装所需的模型，并在配置文件中指定 rerank 模型的路径。

1、Ollma安装，在如下网址选择适合你机器的ollama 安装包

 2、Ollama 安装模型，直接安装我们需要的两个cmd中执行

ollama run qwen2:7bollama run mofanke/acge_text_embedding:latest

 3、项目开发环境 pyhon3.8以上

git clone

 4、安装依赖

pip3 install -r requirements.txt -i

 5、项目启动

python webui.py


 6、知识图谱时时提取工具

python graph_demo_ui.py


 总结：


 Easy-RAG 是一个功能全面、易于学习和使用的 RAG 系统，具备良好的扩展性，适合研究人员和开发者进行深入研究和应用开发。有需要的小伙伴们可以通过下方提供地址进行更多的学习。


 仓库地址：

 项目参考：​​
 
  ​​
 
 ​


 原文链接：​
 
  ​​
 
 ​