Easy-RAG

一个适合学习、使用、自主扩展的RAG【检索增强生成】系统！

更新历史

    2024/7/23 参考 meet-libai 项目增加了一个知识图谱的实时提取工具，目前仅是提取，未存储 graph_demo_ui.py
    2024/7/11 新增faiss向量数据库支持，目前支持(Chroma\FAISS)
    2024/7/10 更新rerank搜索方式
    2024/7/09 第一版发布

1、目前已有的功能

知识库（目前仅支持txt\csv\pdf\md\doc\docx\mp3\mp4\wav\excel\格式数据）：

    1、知识库的创建（目前仅支持Chroma\Faiss）
    2、知识库的更新
    3、删除知识库中某个文件
    4、删除知识库
    5、向量化知识库
    6、支持音频视频的语音转文本然后向量化 
        语音转文本 使用的 funasr ，第一次启动时，会从魔塔下载模型，可能会慢一些，之后会自动加载模型

聊天

    1、支持纯大模型聊天多轮
    2、支持知识库问答 ["复杂召回方式", "简单召回方式","rerank"]

3、通过使用rerank重新排序来提高检索效率

    本次rerank 使用了bge-reranker-large 模型，需要下载到本地，然后在 rag/rerank.py中配置路径
        模型地址：https://hf-mirror.com/BAAI/bge-reranker-large

2、后续更新计划

知识库：

    0、支持Elasticsearch、Milvus,MongoDB等向量数据


聊天：

    1、添加 语音回答输出
    2、增加 问题路由知识库的 功能

安装使用

   Ollma安装，在如下网址选择适合你机器的ollama 安装包，傻瓜式安装即可
  
    https://ollama.com/download
  Ollama 安装模型，本次直接安装我们需要的两个 cmd中执行
  
    ollama run qwen2:7b
    ollama run mofanke/acge_text_embedding:latest
   
  下载bge-reranker-large 模型然后在 rag/rerank.py中配置路径
    
    https://hf-mirror.com/BAAI/bge-reranker-large
    
  选择你想使用的向量数据库 目前仅支持（Chroma和Faiss）
  
    在 Config/config.py中配置你想用的 向量数据库
  构造python环境
  
    conda create -n Easy-RAG python=3.10.9
    conda activate Easy-RAG
    
  项目开发使用的 python3.10.9  经测试 pyhon3.8以上皆可使用
  
    git clone https://github.com/yuntianhe2014/Easy-RAG.git
  安装依赖
  
    pip3 install -r requirements.txt -i  https://mirrors.aliyun.com/pypi/simple
  项目启动
  
    python webui.py
    
  知识图谱实时提取工具
    python graph_demo_ui.py