ApeRAG

🚀 尝试 ApeRAG 在线演示 - 通过我们的托管演示体验平台的完整功能

ApeRAG 是一个生产就绪的 RAG（检索增强生成）平台，它将 Graph RAG、向量搜索和全文搜索与先进的 AI Agents 相结合。通过混合检索、多模态文档处理、智能 Agent 和企业级管理功能，构建复杂的 AI 应用。

ApeRAG 是构建您自己的知识图谱、进行上下文工程，以及部署能够在其知识库中自主搜索和推理的智能 AI Agents 的最佳选择。

阅读中文文档

• 快速开始
• 核心功能
• Kubernetes 部署（生产环境推荐）
• 开发指南
• 构建 Docker 镜像
• 致谢
• 许可证

快速开始

在安装 ApeRAG 之前，请确保您的机器满足以下最低系统要求：

• CPU >= 2 核
• 内存 >= 4 GiB
• 安装了 Docker 和 Docker Compose

启动 ApeRAG 最简单的方法是通过 Docker Compose。在运行以下命令之前，请确保您的机器上已安装 Docker 和 Docker Compose：

git clone https://github.com/apecloud/ApeRAG.git
cd ApeRAG
cp envs/env.template .env
docker-compose up -d --pull always

运行后，您可以通过浏览器访问 ApeRAG：

• Web 界面: http://localhost:3000/web/
• API 文档: http://localhost:8000/docs

MCP (Model Context Protocol) 支持

ApeRAG 支持 MCP (Model Context Protocol) 集成，允许 AI 助手直接与您的知识库进行交互。服务启动后，请使用以下配置来设置您的 MCP 客户端：

{
  "mcpServers": {
    "aperag-mcp": {
      "url": "https://rag.apecloud.com/mcp/",
      "headers": {
        "Authorization": "Bearer your-api-key-here"
      }
    }
  }
}

身份验证（按优先级排列）：

1. HTTP Authorization Header（推荐）：Authorization: Bearer your-api-key
2. 环境变量（回退方案）：APERAG_API_KEY=your-api-key

重要提示：请将 https://rag.apecloud.com 替换为您实际的 ApeRAG API URL，并将 your-api-key-here 替换为您从 ApeRAG 设置中获取的有效 API Key。

MCP 服务器提供以下功能：

• 集合浏览：列出并探索您的知识集合
• 混合搜索：使用向量、全文和图谱方法进行搜索
• 智能问答：针对您的文档提出自然语言问题

增强文档解析

为了提供增强的文档解析功能，ApeRAG 支持由 MinerU 驱动的高级文档解析服务，该服务为复杂的文档、表格和公式提供了卓越的解析能力。

增强文档解析命令：

# 启用高级文档解析服务
DOCRAY_HOST=http://aperag-docray:8639 docker compose --profile docray up -d

# 启用带有 GPU 加速的高级解析
DOCRAY_HOST=http://aperag-docray-gpu:8639 docker compose --profile docray-gpu up -d

或者使用 Makefile 快捷方式（需要 GNU Make）：

# 启用高级文档解析服务
make compose-up WITH_DOCRAY=1

# 启用带有 GPU 加速的高级解析（推荐）
make compose-up WITH_DOCRAY=1 WITH_GPU=1

开发与贡献

对于有兴趣进行源代码开发、高级配置或为 ApeRAG 做出贡献的开发者，请参阅我们的 开发指南 获取详细的设置说明。

核心功能

1. 先进的索引类型： 五种综合索引类型以实现最佳检索效果：向量 (Vector)、全文 (Full-text)、图谱 (Graph)、摘要 (Summary) 和 视觉 (Vision) —— 提供多维度的文档理解与搜索能力。

2. 智能 AI Agents： 内置支持 MCP (Model Context Protocol) 工具的 AI Agents，能够自动识别相关集合、智能搜索内容，并提供网络搜索能力以进行全面的问答。

3. 带有实体归一化的增强型 Graph RAG： 深度修改的 LightRAG 实现，具备先进的实体归一化（实体合并）功能，可生成更清晰的知识图谱并改进关系理解。

4. 多模态处理与视觉支持： 完整的多模态文档处理功能，包括针对图像、图表和视觉内容分析的视觉能力，以及传统的文本处理能力。