SensAI-PT/RAGMeUp

Generic rag framework to apply the power of LLMs on any given dataset

RAG⭐ 679JavaScriptпоследний релиз: scala-ui
Открыть на GitHub ↗

Что это за инструмент

RAG Me Up — это модульный фреймворк для быстрого создания приложений с архитектурой RAG (Retrieval-Augmented Generation), позволяющий применять возможности LLM к любым наборам данных.

Зачем нужен

Инструмент решает задачу ускорения прототипирования и разработки RAG-систем, избавляя разработчиков от написания шаблонного кода. Он предоставляет готовую инфраструктуру с веб-интерфейсом и серверной частью, позволяя сосредоточиться на логике извлечения и генерации ответов, а не на настройке базовых компонентов.

Что можно реализовать

  • Быстрое создание прототипов RAG-приложений для проверки гипотез
  • Построение систем на основе больших датасетов с использованием ParadeDB Postgres
  • Разработка гибридных решений, требующих GPU-ускорения для эмбеддингов и инференса
  • Интеграция кастомных чанкеров, векторных хранилищ или ретриверов в существующие пайплайны

Ключевые возможности

  • Гибридный режим работы: разделение на Docker-сервисы (Postgres, Node.js, React) и standalone Python-сервер для доступа к GPU/CUDA
  • Модульная архитектура с поддержкой plug-and-play компонентов (чанкеры, векторные хранилища, ретриверы)
  • Готовый React UI для взаимодействия с приложением, развертываемый через Docker Compose
  • Использование ParadeDB Postgres для эффективного поиска и хранения данных
  • Production-ready решение, проверенное в крупных проектах (SensAI.PT)

👤 Кому подойдёт: разработчики, создающие RAG-приложения; инженеры по машинному обучению, нуждающиеся в гибкой инфраструктуре для работы с LLM; команды, требующие GPU-ускорения для эмбеддингов и инференса в гибридных средах

Релизы

SensAI-PT/RAGMeUp — GitHub-трекер AIKraft | AIKraft