OpenBMB/UltraRAG

UltraRAG – 面向检索增强生成的低代码框架

简介 – UltraRAG 是一个开源、基于 Python 的框架，只需几个 YAML 文件即可构建、调试和部署 RAG（检索增强生成）流水线。它遵循 Model Context Protocol (MCP)，将每个核心组件（检索器、生成器、知识库管理器等）视为可由 MCP 客户端编排的独立 MCP 服务器。

重要性 – 传统的 RAG 堆栈需要大量粘合代码来连接向量存储、LLM 后端和自定义逻辑。UltraRAG 将这些部分抽象为可重用的即插即用服务器，并提供可视化 IDE，使基于画布的流水线构建器与底层 YAML 配置同步。这使得复杂的控制流（循环、条件）和快速原型设计对研究者和产品团队都变得易于使用。

核心亮点

功能	您获得的内容
低代码编排	用简短的 YAML 文件定义顺序、条件或循环的 RAG 工作流；无需 Python 样板代码。
模块化 MCP 服务器	每个功能（例如检索器、LLM、后处理器）作为独立服务器运行，可通过注册新的“工具”进行替换或扩展。
统一评估	内置基准测试套件和指标管理，让您运行标准 RAG 评估并可比地比较结果。
一键 UI	安装后自动启动 Web UI（http://localhost:5050），提供画布编辑器、实时调试以及将流水线即时转换为交互式聊天演示。
多模态支持	最近版本增加了基于视觉的检索和其他多模态能力。
Docker 和 uv 支持	通过 Docker 镜像（CPU/GPU）或快速 Python 包管理器 uv 快速启动，并提供可选的检索、生成等扩展。

快速开始（Python/uv）

# Install uv (if needed)
pip install uv==0.12.0
# Clone and enter repo
git clone https://github.com/OpenBMB/UltraRAG.git --depth 1 && cd UltraRAG
# Install core + all extras (GPU wheels included)
uv sync --all-extras   # creates .venv and installs dependencies
source .venv/bin/activate
# Run a demo pipeline
ultrarag run examples/experiments/sayhello.yaml

您应该看到 Hello, UltraRAG v3! 以确认设置成功。同样的步骤在提供的 Docker 镜像（GPU 的 hdxin2002/ultrarag:latest、CPU 的 …-base-cpu）中也适用。

典型用例

研究 – 运行可重复的 RAG 实验，下载标准评估语料库，并可视化中间检索/生成结果。
产品原型 – 使用单个命令构建完整的聊天式演示，然后通过 UI 迭代提示或检索逻辑。
企业部署 – 编排本地或云托管的 MCP 服务器（例如 Milvus 向量数据库 + vLLM LLM），并为最终用户提供 Web UI。
多模态 RAG – 利用基于视觉的 RAG 扩展（VisRAG）处理富含图像的文档。

社区与资源

文档 – https://ultrarag.openbmb.cn （入门指南、数据集指南、调试技巧）
演示视频 – 新闻部分的 Bilibili 链接展示了逐步安装和 DeepResearch 流水线创建。
聊天群组 – 微信、飞书和 Discord 社区提供实时帮助。
贡献 – Fork → PR 工作流；贡献者通过动态图像徽章显示。
出版物 – 多篇 ICLR/ACL 论文（VisRAG、RAG-DDR、RAGEval、DeepNote）描述了该框架背后的研究，AgentCPM-Report 模型已在 Hugging Face 上发布。

TL;DR

UltraRAG 是一个轻量级、低代码框架，用于构建和评估检索增强生成流水线。它将每个组件抽象为 MCP 服务器，让您使用 YAML 脚本化复杂工作流，并附带可视化 IDE，可将流水线转换为随时可用的聊天应用程序——所有这些均可通过 uv 或 Docker 安装。