UltraRAG: фреймворк для быстрого создания RAG пайплайнов

Проект UltraRAG представляет собой легковесную платформу для разработки и прототипирования систем на основе Retrieval-Augmented Generation (RAG), созданную в сотрудничестве с несколькими ведущими исследовательскими организациями. Он разрабатывается на основе архитектуры Model Context Protocol (MCP) и нацелен на упрощение процесса интеграции компонентов RAG для исследователей и разработчиков.

Что делает UltraRAG?

UltraRAG упрощает создание сложных рабочих процессов с помощью стандартизированных компонентов, которые функционируют как независимые серверы. Он предлагает мощные возможности оркестрации и визуального редактирования, позволяя пользователям настраивать логику и параметры через простой YAML-код. Основные компоненты включают:

• Retriever — для поиска информации;
• Generation — для генерации текстов;
• Pipeline Builder — для создания потоков данных и настройки интерфейсов с помощью визуальных инструментов.

Как установить и запустить UltraRAG?

Существует два способа установки UltraRAG: через исходный код и с использованием Docker. Рекомендуется использовать управляемые зависимости через uv для быстроты установки.

Метод 1: Установка из исходного кода

pip install uv==0.12.0
curl -LsSf https://astral.sh/uv/0.12.0/install.sh | sh
git clone https://github.com/OpenBMB/UltraRAG.git --depth 1
cd UltraRAG
uv sync --all-extras

После установки активируй виртуальную среду командой:

source .venv/bin/activate

Метод 2: Деплой с помощью Docker

git clone https://github.com/OpenBMB/UltraRAG.git --depth 1
cd UltraRAG
docker pull hdxin2002/ultrarag:v0.3.0
docker run -it --gpus all -p 5050:5050 hdxin2002/ultrarag:v0.3.0

После запуска контейнера доступ к интерфейсу UltraRAG осуществляется по адресу `http://localhost:5050`.

Возможности и ограничения

UltraRAG предлагает множество возможностей для быстрой разработки прототипов и масштабируемости, включая:

• Низкокодовое создание сложных рабочих процессов — разрабатывать логику с помощью небольшого количества строк кода;
• Модульные расширения — легко интегрировать новые функции через независимые серверы;
• Унифицированные методы оценки — стандартные рабочие процессы для быстрой и точной проверки результатов.

Однако стоит принимать во внимание, что для полноценного использования могут потребоваться определённые технические навыки и понимание принципов работы с RAG.

Где найти помощь?

Для поддержки и вопросов можно использовать раздел Issues на GitHub или присоединиться к сообществам в WeChat, Feishu и Discord для обмена опытом и обсуждений.

Дополнительно, в документации проекта доступны подробные руководства по настройке и использованию.