fastRAG: 高效的检索增强生成框架

RayRay
fastRAGHaystackLLMONNX RuntimeColBERTGithub开源项目

fastRAG简介

fastRAG是英特尔实验室开发的一个开源研究框架,旨在构建高效和优化的检索增强生成(RAG)管道。它集成了最先进的大语言模型(LLM)和信息检索技术,为研究人员和开发人员提供了一套全面的工具,用于推进RAG技术的发展。

fastRAG的主要目标是提高RAG系统的计算效率和性能。它利用了多种优化技术,如量化、模型剪枝和蒸馏等,并针对英特尔硬件进行了特定优化,以在英特尔® Xeon® 处理器和英特尔® Gaudi® AI加速器上实现最佳性能。

主要特性

fastRAG具有以下几个关键特性:

  1. 优化的RAG: 使用最先进的高效组件构建RAG管道,提高计算效率。

  2. 针对英特尔硬件优化: 利用Intel PyTorch扩展(IPEX)、Optimum Intel和Optimum-Habana等技术,在英特尔硬件上实现最佳性能。

  3. 可定制性: 基于Haystack和HuggingFace构建,所有组件都与Haystack 100%兼容。

  4. 多种后端支持: 支持在Gaudi 2、ONNX Runtime、OpenVINO和Llama-CPP等多种后端上运行LLM。

  5. 优化的嵌入和排序组件: 提供了优化的int8双编码器嵌入模型和交叉编码器排序模型。

  6. 高效的RAG组件: 集成了ColBERT、Fusion-in-Decoder(FiD)、REPLUG等高效的RAG组件。

安装和使用

fastRAG可以通过pip安装:

pip install fastrag

此外,还可以根据需要安装额外的依赖包:

pip install fastrag[intel]     # 英特尔优化后端
pip install fastrag[openvino]  # 使用OpenVINO的英特尔优化后端  
pip install fastrag[elastic]   # ElasticSearch存储支持
pip install fastrag[qdrant]    # Qdrant存储支持
pip install fastrag[colbert]   # ColBERT+PLAID支持

主要组件

fastRAG提供了多种优化的组件,包括:

  1. LLM后端: 支持在Gaudi 2、ONNX Runtime、OpenVINO和Llama-CPP等后端上运行LLM。

  2. 优化的嵌入模型: 提供了优化的int8双编码器嵌入模型。

  3. 优化的排序模型: 提供了优化的交叉编码器排序模型。

  4. ColBERT: 基于令牌的后期交互检索模型。

  5. Fusion-in-Decoder (FiD): 生成式多文档编码器-解码器模型。

  6. REPLUG: 改进的多文档解码器。

  7. PLAID: 高效的索引引擎。

示例应用

fastRAG可以用于多种RAG应用场景,如:

  1. 开放域问答
  2. 文档摘要
  3. 对话系统
  4. 内容生成

研究人员可以使用fastRAG快速构建和评估不同的RAG管道,比较不同组件的性能,并进行端到端的优化。

最新更新

fastRAG持续更新和改进,最近的一些重要更新包括:

  • 2024年5月: fastRAG V3与Haystack 2.0兼容
  • 2023年12月: 支持Gaudi2和ONNX runtime; 优化的嵌入模型; 多模态和聊天演示; REPLUG文本生成
  • 2023年6月: ColBERT索引修改功能,支持添加/删除文档
  • 2023年5月: 新增RAG与LLM动态提示合成示例
  • 2023年4月: 支持Qdrant文档存储

结语

fastRAG为RAG技术的研究和应用提供了一个强大而灵活的框架。它集成了多种优化技术和高效组件,特别针对英特尔硬件进行了优化,可以帮助研究人员和开发人员构建更高效、更强大的RAG系统。随着持续的更新和社区贡献,fastRAG有望在推动RAG技术发展方面发挥重要作用。

fastRAG logo

fastRAG components

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多