from rag_framework import RAGPipeline
from rag_framework.retrievers import HybridRetriever
from rag_framework.rerankers import CrossEncoderReranker
# Создание RAG пайплайна
pipeline = RAGPipeline(
retriever=HybridRetriever(
vector_db="chroma",
embedding_model="ai-forever/rubert-tiny2"
),
reranker=CrossEncoderReranker("cross-encoder/ms-marco"),
llm="gigachat"
)
# Запрос
answer = pipeline.query("Как работает RAG?")
print(answer)Быстрый старт за 5 минут
Python SDK с типизацией
Готовые Docker образы
REST API для интеграции
RAG Framework — это комплексное решение для создания систем Retrieval-Augmented Generation. Фреймворк позволяет быстро разворачивать production-ready RAG пайплайны с поддержкой различных векторных баз данных. Ключевые возможности: - Интеграция с популярными векторными БД (Chroma, Pinecone, Weaviate, Milvus) - Hybrid search: комбинация семантического и keyword поиска - Переранжирование результатов с помощью cross-encoder моделей - Чанкинг документов с учётом структуры - Мониторинг и метрики качества retrieval