pathwaycom/serviette

A no-code RAG server that keeps answers in sync with your documents. Works with 8 vector databases. Built on Pathway.

这是什么

Pathway Live Data Framework AI Pipelines 是一组即用型应用模板，可让您在实时数据源（文件、Google Drive、SharePoint、S3、Kafka、PostgreSQL 等）之上构建**检索增强生成（RAG）**服务。每个模板都捆绑了数据摄取、向量/混合索引、LLM 调用和 HTTP API（可选 Streamlit UI）的代码。繁重的工作由开源 Pathway 库完成，该库实时同步数据，并提供内存向量存储（通过 usearch）和全文索引（通过 Tantivy）。

为什么重要

实时更新 – 添加、删除或更改的文档会自动重新索引，因此 RAG 系统始终基于最新知识进行回答。
一体化栈 – 无需配置外部向量数据库、缓存或 API 框架；Pathway 提供内置向量索引和 FastAPI 服务器。
可扩展模板 – 示例声称可处理数百万页，并支持多模态输入（PDF 表格、幻灯片、视频字幕），同时保持低延迟。
灵活性 – 您可以更换数据源、更改索引类型，或通过单行更改替换 LLM。

谁应该使用

产品团队 – 需要快速原型企业搜索或文档问答服务，而无需连接各个独立组件。
数据工程师 – 希望获得可复现的管道，持续将企业数据摄取到可搜索的向量存储中。
开发者 – 寻找 RAG 模式（自适应 RAG、多模态 RAG、非结构化到 SQL）的参考实现，可在本地运行或部署到云/本地。

如何开始

克隆仓库，并在 templates/ 下选择一个模板文件夹（例如 question_answering_rag）。
按照模板的 README.md 操作 – 通常只需一行命令即可构建 Docker 镜像并运行，可选启动 Streamlit UI。
通过环境变量配置数据源（本地文件夹、Google Drive、S3 等）和您想使用的 LLM（OpenAI GPT-3/4、通过 Ollama 的 Mistral 等）。
容器启动 FastAPI 服务器，暴露 /query（或类似端点），如果包含，还提供 Streamlit 前端用于交互式测试。
对于生产环境，将 Docker 镜像推送到您的云注册表，并在 GCP、AWS、Azure、Render 或本地运行。

内部内容

模板	核心用例	亮点
问答 RAG	对 PDF/DOCX 进行简单文档问答	实时同步、任意 LLM、演示 REST 端点
实时文档索引	向量存储即服务	可用作 LangChain 或 LlamaIndex 的后端
多模态 RAG（GPT-4o）	从 PDF 中提取表格/图表并索引	使用 GPT-4o 进行解析，处理图表和表格
非结构化到 SQL	将金融 PDF 转换为 SQL 表，并通过生成的查询进行回答
自适应 RAG	将 token 使用量减少高达 4 倍，同时保持准确性
私有 RAG（Mistral + Ollama）	完全本地栈，无外部 API 调用
幻灯片 AI 搜索	索引 PowerPoint 和 PDF 幻灯片，多模态检索
视频 RAG（TwelveLabs）	将视频转换为丰富文本，使用 Marengo 嵌入，查询视频内容

社区与支持

Discord 频道获取帮助（discord.gg/pathway）。
问题提交在主要 Pathway 仓库（github.com/pathwaycom/pathway）。
官方文档和更多模板列在 Pathway 网站上。

TL;DR – 此仓库提供基于 Pathway Live Data Framework 的 Docker 就绪 RAG 应用模板，支持实时索引多种数据源，并通过 LLM 提供答案，无需外部向量数据库或缓存。