产品简介
RAGLight 是一个用于实现检索增强生成的 Python 库，通过结合文档检索和语言生成，增强大语言模型的上下文感知能力。它支持多种 LLM、嵌入模型和向量存储，并集成 MCP 以连接外部工具，适合开发者构建自定义 AI 应用。
核心功能
- 嵌入模型集成：支持自定义嵌入模型如 HuggingFace all-MiniLM-L6-v2。
- LLM 无关：无缝集成多种 LLM 提供商如 Ollama、OpenAI、Google Gemini 等。
- RAG 管道：统一工作流结合文档检索和语言生成。
- MCP 集成：通过 MCP 服务器添加外部工具能力如代码执行、数据库访问。
- 混合搜索：结合 BM25 关键词检索和语义向量搜索提升准确性。
快速开始
- 第一步：安装基础库，运行 pip install raglight。
- 第二步：根据需要安装可选向量存储库，如 pip install "raglight[qdrant]"。
- 第三步：运行交互式 CLI 命令 raglight chat 开始与文档聊天。
界面预览
与其他方案对比
| 对比项 | RAGLight | 同类方案 |
|---|---|---|
| 模块化程度 | 高度模块化，可轻松替换 LLM、嵌入模型和向量存储组件 | 部分框架组件耦合较紧，替换不便 |
| LLM 支持范围 | 支持 Ollama、OpenAI、Google Gemini、AWS Bedrock 等多种提供商 | 通常只支持少数几种特定 LLM |
| 外部工具集成 | 通过 MCP 无缝连接外部工具和数据源，无需额外编码 | 需要自行实现集成逻辑，配置复杂 |
适合谁用
- 需要构建上下文感知 AI 应用的开发者。
- 希望快速集成不同 LLM 和外部工具的 AI 工程师。
- 研究人员探索 RAG 和大语言模型集成的最佳实践。
下载与版本
当前最新版本为 3.4.7，发布于 2026-03-24。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/Bessouat40/RAGLight