UltraRAG

更少代码，更低门槛，更快实现

简体中文 | English

--- **更新日志** 🔥 - **[2026.01.23]** 🎉 UltraRAG 3.0 发布：拒绝"盲盒"开发，让每一行推理逻辑都清晰可见 👉 [📖 博客](https://github.com/OpenBMB/UltraRAG/blob/page/project/blog/cn/ultrarag3_0.md) - **[2026.01.20]** 🎉 发布 AgentCPM-Report 模型！DeepResearch 终于本地化了：8B 端侧写作智能体 AgentCPM-Report 开源 👉 [🤗 模型](https://huggingface.co/openbmb/AgentCPM-Report)

历史更新

- **[2025.11.11]** 🎉 UltraRAG 2.1 更新：强化知识接入与多模态支持，完善统一评估体系！ - **[2025.09.23]** 新增每日 RAG 论文分享，每日更新最新前沿 RAG 工作 👉 [📖 论文](https://github.com/OpenBMB/UltraRAG/tree/rag-paper-daily/rag-paper-daily) - **[2025.09.09]** 发布轻量级 DeepResearch Pipeline 本地搭建教程 👉 [📺 bilibili](https://www.bilibili.com/video/BV1p8JfziEwM) · [📖 博客](https://github.com/OpenBMB/UltraRAG/blob/page/project/blog/cn/01_build_light_deepresearch.md) - **[2025.09.01]** 发布 UltraRAG 安装与完整 RAG 跑通视频 👉 [📺 bilibili](https://www.bilibili.com/video/BV1B9apz4E7K/?share_source=copy_web&vd_source=7035ae721e76c8149fb74ea7a2432710) · [📖 博客](https://github.com/OpenBMB/UltraRAG/blob/page/project/blog/cn/00_Installing_and_Running_RAG.md) - **[2025.08.28]** 🎉 发布 UltraRAG 2.0！UltraRAG 2.0 全新升级：几十行代码实现高性能 RAG，让科研专注思想创新！我们保留了 UltraRAG v2 的代码，可以点击 [v2](https://github.com/OpenBMB/UltraRAG/tree/v2) 查看。 - **[2025.01.23]** 发布 UltraRAG！让大模型读懂善用知识库！我们保留了UltraRAG 1.0的代码，可以点击 [v1](https://github.com/OpenBMB/UltraRAG/tree/v1) 查看。

--- ## 💡 关于 UltraRAG UltraRAG 是由清华大学 [THUNLP](https://nlp.csai.tsinghua.edu.cn/) 实验室、东北大学 [NEUIR](https://neuir.github.io) 实验室、[OpenBMB](https://www.openbmb.cn/home) 与 [AI9stars](https://github.com/AI9Stars) 联合推出的首个基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/docs/getting-started/intro) 架构设计的轻量级 RAG 开发框架。专为科研探索与工业原型设计打造，UltraRAG 将 RAG 中的核心组件（Retriever、Generation 等）标准化封装为独立的 **MCP Server**，配合 **MCP Client** 强大的流程调度能力，开发者仅需通过 YAML 配置，即可实现对条件分支、循环等复杂控制结构的精确编排。

UltraRAG

### 🖥️ UltraRAG UI UltraRAG UI 突破了传统对话界面的边界，演进为集编排、调试与演示于一体的可视化的 RAG 全流程集成开发环境。系统内置强大的 Pipeline Builder，支持'画布搭建'与'代码编辑'的双向实时同步，并允许在线精细化调整 Pipeline 参数与 Prompt；更引入了智能 AI 助手，深度辅助 Pipeline 结构设计、参数调优及 Prompt 生成的全开发流程。构建完成的逻辑流可一键转化为交互式对话系统，并无缝集成知识库管理组件，支持用户构建专属知识库进行文档问答，真正实现了从底层逻辑构建、数据治理到应用部署的一站式闭环。 https://github.com/user-attachments/assets/9cca0d4f-fb47-4232-9e47-69bfbb7b5d5d ### ✨ 核心亮点

🚀 低代码编排复杂流程推理编排：原生支持串行、循环与条件分支等控制结构。开发者仅需编写 YAML 配置文件，即可在数十行代码内实现复杂的迭代式 RAG 逻辑。	⚡ 模块化扩展与复现原子化 Server：基于 MCP 架构将功能解耦为独立 Server。新功能仅需以函数级 Tool 形式注册，即可无缝接入流程，实现极高的复用性。
📊 统一评测与基准对比科研提效：内置标准化评测流程，开箱即用主流科研 Benchmark。通过统一指标管理与基线集成，大幅提升实验的可复现性与对比效率。	✨ 交互原型快速生成一键交付：告别繁琐的 UI 开发。仅需一行命令，即可将 Pipeline 逻辑瞬间转化为可交互的对话式 Web UI，缩短从算法到演示的距离。

## 📦 安装我们提供了两种安装方式：本地源码安装（推荐使用 `uv` 进行包管理）和 Docker 容器部署 ### 方式一：源码安装我们强烈推荐使用 [uv](https://github.com/astral-sh/uv) 来管理 Python 环境与依赖，它能极大地提升安装速度。 **准备环境** 如果您尚未安装 uv，请先执行： ```shell ## 直接安装 pip install uv ## 下载 curl -LsSf https://astral.sh/uv/install.sh | sh ``` **下载源码** ```shell git clone https://github.com/OpenBMB/UltraRAG.git --depth 1 cd UltraRAG ``` **安装依赖** 请根据您的使用场景，选择一种模式安装依赖： **A：创建新环境** 使用 `uv sync` 自动创建虚拟环境并同步依赖： - 核心依赖：如果您只需运行基础核心功能，如只使用 UltraRAG UI： ```shell uv sync ``` - 全量安装：如果您希望完整体验 UltraRAG 的检索、生成、语料处理及评测功能，请运行： ```shell uv sync --all-extras ``` - 按需安装：如果您只需运行定模块，按需保留对应 `--extra`，例如： ```shell uv sync --extra retriever # 仅检索模块 uv sync --extra generation # 仅生成模块 ``` 安装完成后，激活虚拟环境： ```shell # Windows CMD .venv\Scripts\activate.bat # Windows Powershell .venv\Scripts\Activate.ps1 # macOS / Linux source .venv/bin/activate ``` **B：安装至已有环境** 如果您希望将 UltraRAG 安装到当前已激活的 Python 环境中，请使用 `uv pip`： ```shell # 核心依赖 uv pip install -e . # 全量安装 uv pip install -e ".[all]" # 按需安装 uv pip install -e ".[retriever]" ``` ### 方式二：Docker 容器部署如果您不想配置本地 Python 环境，可以使用 Docker 一键启动。 **获取代码与镜像** ```shell # 1. 下载代码 git clone https://github.com/OpenBMB/UltraRAG.git --depth 1 cd UltraRAG # 2. 准备镜像 (二选一) # 选项 A：从 Docker Hub 拉取 docker pull hdxin2002/ultrarag:v0.3.0-base-cpu # 基础版 (CPU) docker pull hdxin2002/ultrarag:v0.3.0-base-gpu # 基础版 (GPU) docker pull hdxin2002/ultrarag:v0.3.0 # 完整版 (GPU) # 选项 B：本地构建 docker build -t ultrarag:v0.3.0 . ``` **启动容器** ```shell # 启动容器（已自动映射 5050 端口） docker run -it --gpus all -p 5050:5050 ``` 提示：容器启动后会自动运行 UltraRAG UI，您可以直接在浏览器访问 `http://localhost:5050` 使用。 ### 验证安装安装完成后，运行以下示例命令来检查环境是否正常： ```shell ultrarag run examples/sayhello.yaml ``` 看到以下输出即代表安装成功： ``` Hello, UltraRAG v3! ``` ## 🚀 快速开始我们提供了从入门到进阶的完整教学示例，无论您是进行学术研究还是构建工业级应用，都能在这里找到指引。欢迎访问[教程文档](https://ultrarag.openbmb.cn) 获取更多细节。 ### 🔬 科研实验专为研究人员设计，提供数据、实验流程与可视化分析工具。 - [实验上手](https://ultrarag.openbmb.cn/pages/cn/getting_started/quick_start)：了解如何基于 UltraRAG 快速跑通标准的 RAG 实验流程。 - [评测数据](https://ultrarag.openbmb.cn/pages/cn/develop_guide/dataset)：下载 RAG 领域最常用的公开评测数据集以及大规模检索语料库，直接用于科研基准测试。 - [案例分析](https://ultrarag.openbmb.cn/pages/cn/develop_guide/case_study)：提供可视化的 Case Study 界面，深入追踪工作流的每一步中间输出，辅助分析与错误归因。 - [代码集成](https://ultrarag.openbmb.cn/pages/cn/develop_guide/code_integration)：了解如何在 Python 代码中直接调用 UltraRAG 组件，实现更灵活的定制化开发。 ### 🛠️ 演示系统专为开发者与最终用户设计，提供完整的 UI 交互与复杂应用案例。 - [快速启动](https://ultrarag.openbmb.cn/pages/cn/ui/start)：了解如何启动 UltraRAG UI，并熟悉管理员模式下的各项高级配置。 - [部署指南](https://ultrarag.openbmb.cn/pages/cn/ui/prepare)：详细的生产环境部署教程，涵盖检索器 (Retriever)、生成模型 (LLM) 以及 Milvus 向量库的搭建。 - [深度研究](https://ultrarag.openbmb.cn/pages/cn/demo/deepresearch)：旗舰案例，部署一个深度研究 Pipeline。配合 AgentCPM-Report 模型，可自动执行多步检索与整合，生成数万字的综述报告。 ## 🤝 贡献感谢以下贡献者在代码提交和测试中的付出。我们也欢迎新的成员加入，共同构建完善的 RAG 生态！您可以通过以下标准流程来贡献：**Fork 本仓库 → 提交 Issue → 发起 Pull Request (PR)**。

## ⭐ 支持我们如果您觉得本项目对您的研究有所帮助，欢迎点亮一颗 ⭐ 来支持我们！

## 💬 联系我们 - 关于技术问题及功能请求，请使用 [GitHub Issues](https://github.com/OpenBMB/UltraRAG/issues) 功能。 - 关于使用上的问题、意见以及任何关于 RAG 技术的讨论，欢迎加入我们的[微信群组](https://github.com/OpenBMB/UltraRAG/blob/main/docs/wechat_qr.png)，[飞书群组](https://github.com/OpenBMB/UltraRAG/blob/main/docs/feishu_qr.png)和[discord](https://discord.gg/yRFFjjJnnS)，与我们共同交流。 - 如果您有任何疑问、反馈或想与我们取得联系，请随时通过电子邮件发送至 yanyk.thu@gmail.com。

微信群组

飞书群组

Discord

🚀 低代码编排复杂流程推理编排：原生支持串行、循环与条件分支等控制结构。开发者仅需编写 YAML 配置文件，即可在数十行代码内实现复杂的迭代式 RAG 逻辑。	⚡ 模块化扩展与复现原子化 Server：基于 MCP 架构将功能解耦为独立 Server。新功能仅需以函数级 Tool 形式注册，即可无缝接入流程，实现极高的复用性。
📊 统一评测与基准对比科研提效：内置标准化评测流程，开箱即用主流科研 Benchmark。通过统一指标管理与基线集成，大幅提升实验的可复现性与对比效率。	✨ 交互原型快速生成一键交付：告别繁琐的 UI 开发。仅需一行命令，即可将 Pipeline 逻辑瞬间转化为可交互的对话式 Web UI，缩短从算法到演示的距离。