Metadata-Version: 2.1
Name: RAGLink
Version: 0.0.2
Summary: RAGLink是一个开源的Retrieval-Augmented Generation框架，旨在通过结合检索和大模型生成技术，提升自然语言处理任务的性能和效率。为用户提供了一个强大、灵活且易于扩展的开发环境。
Home-page: https://github.com/justinzm/RAGLink
Author: Justin ZM
Author-email: 3907721@qq.com
Maintainer: Justin ZM
Maintainer-email: 3907721@qq.com
License: MIT
Platform: all
Description-Content-Type: text/markdown
Requires-Dist: langchain ==0.2.5
Requires-Dist: langchain-community ==0.2.5
Requires-Dist: langchain-openai ==0.1.8
Requires-Dist: loguru ==0.7.2
Requires-Dist: pymilvus ==2.4.1
Requires-Dist: python-dotenv ==1.0.1
Requires-Dist: unstructured ==0.15.0
Requires-Dist: openpyxl ==3.1.5
Requires-Dist: python-magic ==0.4.27
Requires-Dist: qdrant-client ==1.10.1
Requires-Dist: docx2txt ==0.8

# RAGLink

RAGLink是一个开源的Retrieval-Augmented Generation框架，旨在通过结合检索和大模型生成技术，提升自然语言处理任务的性能和效率。为用户提供了一个强大、灵活且易于扩展的开发环境。

### 🔑核心特性
- 检索增强：通过检索技术，框架能够快速从大量数据中检索相关信息，为生成任务提供上下文支持。
- 生成能力：集成了多种生成大模型，能够根据检索到的信息生成流畅、准确的文本。
- 模块化设计：采用模块化设计，便于开发者根据需求定制和扩展功能。

### 🗺️集成
#### AI大模型
- [x] OpenAI
- [x] Minimax
- [x] Deepseek

#### 向量数据库
- [x] Milvus
- [x] Qdrant

#### Embeddings模型
- [x] OpenAIEmbeddings
- [x] MiniMaxEmbeddings
- [x] bce-embedding-base_v1

#### Reranker模型
- [x] bce-embedding-base_v1
