📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🤖 Agent🔄 工作流👁 OCR🐳 Docker💻 CLI🧬 Embedding📚 RAG🖥 本地 LLM
🛠
AI工具

RAGEve

基于 Python · 开源免费，本地部署，数据完全自主可控
⭐ 15 Stars 🍴 2 Forks 💻 Python 📄 NOASSERTION 🏷 AI 7.5分
7.5AI 综合评分
installableaichatbotchatbot-localembeddinghuggingfacepython
✦ AI Skill Hub 推荐

RAGEve 是 AI Skill Hub 本期精选AI工具之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析
RAGEve 是一款基于 Python 的开源工具，在 GitHub 上收获 0k+ Star，是installable、ai、chatbot、chatbot-local领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。

**安装与环境准备**
RAGEve 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 RAGEve 的版本更新，及时通知重要功能变化。
📋 工具概览

RAGEve是开源的本地AI工具，集成了Ollama、Qdrant、Redis和MinIO等技术，提供了一个无云、无API key的RAG平台，适合于开发和部署本地AI应用。它支持本地安装和使用，方便用户快速构建和测试AI模型。

RAGEve 是一款基于 Python 开发的开源工具，专注于 installable、ai、chatbot 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars
⭐ 15
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
NOASSERTION
AI 综合评分
7.5 分
工具类型
AI工具
Forks
2
📖 中文文档
以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

RAGEve是开源的本地AI工具，集成了Ollama、Qdrant、Redis和MinIO等技术，提供了一个无云、无API key的RAG平台，适合于开发和部署本地AI应用。它支持本地安装和使用，方便用户快速构建和测试AI模型。

RAGEve 是一款基于 Python 开发的开源工具，专注于 installable、ai、chatbot 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

📌 核心特色
  • 开源免费，支持本地部署，数据完全自主可控
  • 活跃的 GitHub 开源社区，持续迭代更新
  • 提供详细文档和使用示例，新手友好
  • 支持自定义配置，灵活适配不同使用环境
  • 可作为基础组件集成进现有技术栈或进行二次开发
🎯 主要使用场景
  • 本地部署运行，保护数据隐私，满足合规要求
  • 自定义集成到现有系统，扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：pip 安装（推荐）
pip install rageve

# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install rageve

# 方式三：从源码安装（获取最新功能）
git clone https://github.com/bazzi24/RAGEve
cd RAGEve
pip install -e .

# 验证安装
python -c "import rageve; print('安装成功')"
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 命令行使用
rageve --help

# 基本用法
rageve input_file -o output_file

# Python 代码中调用
import rageve

# 示例
result = rageve.process("input")
print(result)
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# rageve 配置文件示例（config.yml）
app:
  name: "rageve"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
rageve --config config.yml

# 或通过环境变量配置
export RAGEVE_API_KEY="your-key"
export RAGEVE_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 75/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

RAGEve

Local-first RAG platform — Fast, private, no cloud required.

License Python FastAPI Next.js Ollama

<a href="#-get-started">Get Started</a> · <a href="#-configurations">Configuration</a> · <a href="#-launch-service-from-source-for-development">Develop</a> · <a href="#-community">Community</a> · <a href="#-contributing">Contributing</a>

</div>

---

<details open> <summary><b> Table of Contents</b></summary>

</details>

---

Key Features

Prerequisites

RequirementVersionNotes
**Docker**>= 24.0.0[Install Docker](https://docs.docker.com/get-docker/)
**Docker Compose**>= v2.26.1Usually bundled with Docker Desktop
**macOS / Linux / WSL2**—Windows native not supported; use WSL2
**Disk**>= 50 GBFor models (~8 GB) and data
**RAM**>= 16 GBRecommended; CPU fallback is slower
Windows: Enable WSL2 and run all commands from inside the WSL shell. Do not run scripts from PowerShell or CMD.

3. Pull required models (first time only)

ollama pull nomic-embed-text ollama pull llama3.2:latest

4. Install Python dependencies

uv sync

5. Install frontend dependencies

cd frontend && npm install && cd ..

Quick Start

One command for everything — auto-installs if needed:

git clone https://github.com/bazzi24/RAGEve.git
cd RAGEve
./scripts/run.sh

The first run will: 1. Install uv (Python package manager) 2. Install Ollama and pull models (nomic-embed-text + llama3.2) 3. Start Docker containers (Qdrant + MySQL) 4. Start the FastAPI backend and Next.js frontend

Open http://localhost:3000 when you see:


  
██████╗  █████╗  ██████╗ ███████╗██╗   ██╗███████╗    
██╔══██╗██╔══██╗██╔════╝ ██╔════╝██║   ██║██╔════╝    
██████╔╝███████║██║  ███╗█████╗  ██║   ██║█████╗      
██╔══██╗██╔══██║██║   ██║██╔══╝  ╚██╗ ██╔╝██╔══╝      
██║  ██║██║  ██║╚██████╔╝███████╗ ╚████╔╝ ███████╗    
╚═╝  ╚═╝╚═╝  ╚═╝ ╚═════╝ ╚══════╝  ╚═══╝  ╚══════╝    
                                                      

AI-powered RAG platform — Ollama · Qdrant · FastAPI · Next.js
https://github.com/bazzi24/RAGEve
[*] Starting FastAPI backend...
[*] Starting Next.js frontend...
[✓] RAGEve is running!

  Frontend  http://localhost:3000
  Backend   http://localhost:8000
  API docs  http://localhost:8000/docs

Press Ctrl+C to stop all services cleanly.

Demo

RAGEve

Start RAGEve locally and open http://localhost:3000:

git clone https://github.com/bazzi24/RAGEve.git
cd RAGEve
./scripts/run.sh
Tip: On first run, install.sh automatically installs uv, Ollama, pulls the required models (~8 GB), and starts Docker services. This takes about 5–10 minutes once, then subsequent starts are instant.

---

Configuration

RAGEve uses environment variables for configuration. Copy the example and customize:

```bash

6. Start FastAPI backend (port 8000)

**HuggingFace Integration**

  • Browse, preview, and search HuggingFace datasets directly from the UI
  • Download datasets to local storage
  • Background ingest with real-time progress
  • Multi-config and multi-split support
🎯 aiskill88 AI 点评 A 级 2026-05-23

RAGEve是一个有潜力的开源AI工具，提供了一个无云、无API key的RAG平台，适合于开发和部署本地AI应用。然而，它的文档和社区支持还需要进一步改进。

📚 实用指南（长尾问题）
适合谁
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
  • 需要从图片、PDF 提取文字的文档自动化场景
最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
  • 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • embedding 模型与查询模型不一致导致检索失效
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
  • Python 依赖冲突：建议用 venv / uv 隔离环境
部署方案
  • Docker：RAGEve 提供官方镜像，docker compose up 一键启动
  • CLI：直接 npm install -g / pip install，命令行调用
  • 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
RAGEve 中文教程RAGEve 安装报错怎么办RAGEve Docker 部署RAGEve Agent 工作流RAGEve 与同类工具对比RAGEve 最佳实践RAGEve 适合谁用
⚡ 核心功能
👥 适合谁
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
  • 需要从图片、PDF 提取文字的文档自动化场景
⭐ 最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
  • 分块大小建议 256-512 tokens，向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • embedding 模型与查询模型不一致导致检索失效
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 适合人群
AI 技术爱好者研究人员和学生开发者和工程师技术创业者
🎯 使用场景
  • 本地部署运行，保护数据隐私，满足合规要求
  • 自定义集成到现有系统，扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
✅ 优点
  • +完全开源免费，无授权费用
  • +本地部署，数据完全自主可控
  • +开发者社区支持，遇问题可查可问
⚠️ 不足
  • −安装和初始配置可能需要一定技术基础
  • −功能完整性通常不如成熟商业产品
  • −技术支持主要依赖开源社区，响应速度不稳定
⚠️ 使用须知

该工具使用 NOASSERTION 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

📄 NOASSERTION — 请查阅原始协议条款了解具体使用限制。

🔗 相关工具推荐
yt-dlp 视频下载
功能强大的开源视频下载工具，支持YouTube、TikTok等数千个视频平台，可自动下载视频、字幕、封面和元数据。适合内
transformers AI技能包
Hugging Face开源的深度学习框架，提供预训练语言模型、视觉模型和多模态模型。集成BERT、GPT、Llama等
ComfyUI 节点式AI图像生成
强大的开源扩散模型可视化工具，提供图形界面、API和后端服务。采用节点图式设计，支持模块化工作流构建，适合AI绘图、图像
llama-cpp AI技能包
高效的大语言模型C/C++推理框架，支持在本地CPU/GPU上运行量化LLM模型，具有内存占用小、推理速度快的特点。适合
📚 相关教程推荐
中小企业 AI 客服系统搭建方案：低成本实现 7×24 小时智能响应
帮助中心 · AI Skill Hub
中小企业 AI 客服系统搭建方案：低成本实现 7×24 小时智能响应
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI 生成技术最新动态
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
OpenAI 最新产品与研究动态
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
给 Agent 的目标是"提高效率"，三小时后它关掉了所有通知
AI 圈观察
Agent 帮我订了3次机票，全部是同一天的
AI 圈观察
🗺️ 相关解决方案
agent
ai-agent-workflow
workflow
ai-workflow-templates
ocr
document-ocr-pipeline
docker
docker-deploy
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
MassGen多智能体系统
MCP · Agent · 工作流
DeepCopilot
Copilot-style AI coding agent for VS Code, powered by DeepSeek V4。
gptme Agent工作流
MCP · Agent · 工作流
LEANN AI技能包
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
❓ 常见问题 FAQ
RAGEve 是一款Python开发的AI辅助工具。开源AI工具：Local-first RAG platform — Ollama + Qdrant + Redis + MinIO. No cloud, no API key。⭐15 · Python 主要应用场景包括：RAGEve适用于需要本地AI应用的场景，例如本地聊天机器人、AI模型测试和部署等。。
💡 AI Skill Hub 点评

经综合评估，RAGEve 在AI工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

📚 深入学习 RAGEve
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 RAGEve
原始描述 开源AI工具：Local-first RAG platform — Ollama + Qdrant + Redis + MinIO. No cloud, no API key。⭐15 · Python
Topics installableaichatbotchatbot-localembeddinghuggingfacepython
GitHub https://github.com/bazzi24/RAGEve
License NOASSERTION
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/bazzi24/RAGEve

收录时间：2026-05-21 · 更新时间：2026-05-24 · License：NOASSERTION · AI Skill Hub 不对第三方内容的准确性作法律背书。