aigc-apps/PAI-RAG
An easy-to-use framework for modular RAG
何を解決するか
PAI-RAG は、企業向けの複雑な知識処理と知能的な Q&A を目的としたオープンソースのエージェント型 RAG フレームワークです。従来の RAG を超えて、知識ベース管理、マルチモーダル理解、エージェント型推論ループを統合し、単純な検索では解決できない複雑なタスクを処理できます。
動作方法
このシステムは、"考え-行動-観察" のループに従う ReAct（推論と行動）エージェントエンジンを使用しています。これにより、タスクを計画し、ツールを並列で呼び出すことが可能になります。複数の検索戦略（ベクトル検索、全文検索、ハイブリッド検索と再ランク付け）を組み合わせて、20種類以上のドキュメント形式をサポートする知識ベースから情報を取得します。また、Model Context Protocol (MCP) を統合してツールセットを拡張し、画像や動画などのマルチモーダル入力を抽出・インデックス化して対応しています。
対象ユーザー
データ分析、マルチモーダルドキュメント理解、リアルタイムのウェブ検索が可能な高度な AI エージェントを構築したい開発者および企業向けです。機械学習の深い専門知識は不要です。
主な特徴
- マルチモーダル機能: ドキュメント内の画像を抽出・インデックス化し、動画解析による記述生成をサポート。
- エージェント型推論: Chain-of-Thought モデル（例: DeepSeek-R1）のネイティブサポートと、複数ステップのクエリに対するタスク計画機能。
- 企業向け対応: マルチテナント、チャンクレベルまで細分化された RBAC（ロールベースアクセス制御）、OpenTelemetry を用いた監視機能を備えています。
- 拡張可能なツールセット: 組み込みの Python コードサンドボックス、データベースクエリ用の Text-to-SQL、外部ツールアクセス用の高度な MCP 統合を提供。
- 広範な互換性: 7種類の異なるベクトルデータベースバックエンドと、OpenAI互換のすべての LLM をサポート。
関連
- プロジェクト
langflow-ai/openragインテリジェントエージェント駆動のドキュメント検索プラットフォームで、ユーザーはチャットインターフェースを通じてドキュメントをアップロード、処理、RAG を用いてクエリできます。
- プロジェクト
java-up-up/nexus-agent文書ガバナンスとハイブリッドRAG検索から、ReActベースのエージェント型推論とMCPツール統合までの完全なループを実装するエンタープライズグレードのAIエージェントプラットフォーム。
- プロジェクト
nageoffer/ragentRagent AI は、Agentic RAG アプリケーションを構築するための本番運用可能な Java プラットフォームです。ハイブリッド検索（ベクトル、キーワード、グラフ、Web）、高度なクエリ理解、フォールトトレランスを備えたモデル階層化、多層セッションメモリ、Redis ベースのトラフィック保護、そして取り込みから回答までの完全なループを提供します。コードは 7 つの Maven モジュール（infra‑ai、system、rag、agent、bootstrap、framework、mcp‑server）に分割され、AI ベンダー、ストレージ、検索の関心事を分離することで、コンポーネントを交換可能にしています。v2 では ReAct スタイルのエージェントループを使用し、MCP ツール呼び出し、Skills、human‑in‑the‑loop 確認を備えています。本番向け機能には、サーキットブレーカー、トランザクション対応 RocketMQ、冪等性、トレーシング（Langfuse は任意）、SSE ストリーミング、Sa‑Token セキュリティが含まれます。React UI は、引用付きチャット/エージェントビューと、ナレッジベースおよびインテントツリー管理用の管理コンソールの両方を提供します。対象は、おもちゃのデモではなく、実世界で拡張可能な AI スタックを必要とする Java バックエンドエンジニアと面接対策の候補者です。
- プロジェクト
GiovanniPasq/agentic-rag-for-dummiesこのリポジトリは、LangGraph を使用して構築された、エージェント駆動型のリトリーブ・オーガナイズド・ジェネレーション（RAG）システムの具体的かつモジュール式の例を提供しています。階層的ドキュメントインデキシング、マルチエージェントクエリ処理、人間が関与する明確化、複数のLLMプロバイダ（デフォルトはOllama）のサポートをカバーしています。セットアップ、評価、可視性のためのノートブックが含まれており、学習やプロトタイピングに適した信頼できるリソースです。
- プロジェクト