Easy-RAG：支持知识图谱提取解析和向量数据库应用的检索增强生成系统，

项目简介

一个适合学习、使用、自主扩展的RAG【检索增强生成】系统！

1、目前已有的功能

知识库（目前仅支持txt\csv\pdf\md\doc\docx\mp3\mp4\wav\excel\格式数据）：

1、知识库的创建（目前仅支持Chroma\Faiss）

2、知识库的更新

3、删除知识库中某个文件

4、删除知识库

5、向量化知识库

6、支持音频视频的语音转文本然后向量化

语音转文本 使用的 funasr ，第一次启动时，会从魔塔下载模型，可能会慢一些，之后会自动加载模型

chat

1、支持纯大模型聊天多轮

2、支持知识库问答 ["复杂召回方式", "简单召回方式","rerank"]

3、通过使用rerank重新排序来提高检索效率

本次rerank 使用了bge-reranker-large 模型，需要下载到本地，然后再 rag/rerank.py中配置路径

模型地址：https://hf-mirror.com/BAAI/bge-reranker-large

安装使用

   Ollma安装，在如下网址选择适合你机器的ollama 安装包，傻瓜式安装即可
    https://ollama.com/download  Ollama 安装模型，本次直接安装我们需要的两个 cmd中执行
    ollama run qwen2:7b    ollama run mofanke/acge_text_embedding:latest
  下载bge-reranker-large 模型然后在 rag/rerank.py中配置路径
    https://hf-mirror.com/BAAI/bge-reranker-large
  选择你想使用的向量数据库 目前仅支持（Chroma和Faiss）
    在 Config/config.py中配置你想用的 向量数据库  构造python环境
    conda create -n Easy-RAG python=3.10.9    conda activate Easy-RAG
  项目开发使用的 python3.10.9  经测试 pyhon3.8以上皆可使用
    git clone https://github.com/yuntianhe2014/Easy-RAG.git  安装依赖
    pip3 install -r requirements.txt -i  https://mirrors.aliyun.com/pypi/simple  项目启动
    python webui.py
  知识图谱时时提取工具    python graph_demo_ui.py