基于大模型和RAG技術實現的開源項目

為解決大模型的不足，使用RAG技術增強大模型生成內容的針對性和可讀性能力，有很多不錯的開源項目。例如下面的項目。

1 ragflow

優點：可以對文檔和知識庫進行管理，構建不同的知識庫，支持Ollama和API-key。

數據庫使用的是ElasticSearch、MySQL和minio。

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

2 AnythingLLM

優點：具有客戶端便于本地管理數據，支持Ollama和API-key；缺點：對本地的電腦配置要求較高。

數據庫默認使用的是lancedb。

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

3 fastgpt

優點：定位知識庫搜索和生成，可以快速構建平臺，提供了一鍵部署。安裝過程可能較為費勁。

數據庫使用的是MongoDB。

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

4 QAnything

優點：使用BGE向量引擎完成文本向量化，提供可視化和API，中文支持較好。

數據庫使用的是milvus、MySQL和minio。

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

5 MaxKB

優點：支持Ollama和API-key，支持用戶管理等，使用瀏覽器完成項目；安裝最簡單的項目。

數據庫使用的是PostgreSQL和PGVector（PGVector 是一個基于 PostgreSQL 的擴展插件，為用戶提供了一套強大的向量存儲和查詢的功能）

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