课程设计代做网站松松软文平台

基于大模型和RAG技术实现的开源项目

为解决大模型的不足，使用RAG技术增强大模型生成内容的针对性和可读性能力，有很多不错的开源项目。例如下面的项目。

1 ragflow

优点：可以对文档和知识库进行管理，构建不同的知识库，支持Ollama和API-key。

数据库使用的是ElasticSearch、MySQL和minio。

# 官网
https://ragflow.io/# Github
https://github.com/infiniflow/ragflow

2 AnythingLLM

优点：具有客户端便于本地管理数据，支持Ollama和API-key；缺点：对本地的电脑配置要求较高。

数据库默认使用的是lancedb。

# 官网
https://useanything.com/# Github
https://github.com/Mintplex-Labs/anything-llm

3 fastgpt

优点：定位知识库搜索和生成，可以快速构建平台，提供了一键部署。安装过程可能较为费劲。

数据库使用的是MongoDB。

# 官网
https://fastgpt.in/# Github
https://github.com/labring/FastGPT

4 QAnything

优点：使用BGE向量引擎完成文本向量化，提供可视化和API，中文支持较好。

数据库使用的是milvus、MySQL和minio。

# 官网
https://qanything.ai/# Github
https://github.com/netease-youdao/QAnything

5 MaxKB

优点：支持Ollama和API-key，支持用户管理等，使用浏览器完成项目；安装最简单的项目。

数据库使用的是PostgreSQL和PGVector（PGVector 是一个基于 PostgreSQL 的扩展插件，为用户提供了一套强大的向量存储和查询的功能）

# Github
https://github.com/1Panel-dev/MaxKB

6 Dify（国产）

优点：可以设置工作流和Agent，支持多种API方式和多种向量引擎

# 官网
https://dify.ai/# Github
https://github.com/langgenius/dify

7 Quivr

优点：支持多种文件的解析

# 官站
https://www.quivr.com/# Github
https://github.com/quivrhq/quivr