UltraRAG：一站式RAG系统解决方案，简化数据构建与模型微调

综合介绍

UltraRAG是由清华大学THUNLP组、东北大学NEUIR组、Modelbest.Inc和9#AISoft团队联合提出的RAG（检索增强生成）系统解决方案。该框架基于敏捷部署和模块化构建，提供了自动化的数据构建、模型微调和推理评估技术体系。UltraRAG显著简化了从数据构建到模型微调的整个过程，帮助研究人员和开发者高效应对复杂任务。其无代码编程WebUI支持用户轻松操作全链路设置和优化过程，包括多模态RAG解决方案VisRAG。

功能列表

• 无代码编程WebUI支持：用户无需编程经验即可操作全链路设置和优化过程。
• 一键合成与微调解决方案：基于KBAlign、RAG-DDR等专有方法，系统支持一键系统化数据构建与检索，并通过多样的模型微调策略进行性能优化。
• 多维度、多阶段鲁棒评估：核心采用RAGEval方法，结合多阶段评估方法，显著增强“模型评估”的鲁棒性。
• 研究友好的探索工作集成：包括THUNLP-RAG组的专有方法和其他前沿RAG方法，支持持续的模块级探索和开发。
• 快速部署：支持通过Docker和Conda进行快速部署，方便用户快速上手。

使用帮助

环境依赖

• CUDA版本需为12.2或以上。
• Python版本需为3.10或以上。

快速部署

通过Docker部署

1. 运行以下命令：

   docker-compose up --build -d

2. 在浏览器中访问http://localhost:8843。

通过Conda部署

1. 创建Conda环境：

   conda create -n ultrarag python=3.10

2. 激活Conda环境：

   conda activate ultrarag

3. 安装相关依赖：

   pip install -r requirements.txt

4. 运行以下脚本下载模型（默认下载到resources/models目录）：

   python scripts/download_models.py

5. 运行演示页面：

   streamlit run ultrarag/webui/webui.py --server.fileWatcherType none

主要功能操作流程

无代码编程WebUI

1. 访问WebUI页面，选择所需的RAG解决方案（如VisRAG）。
2. 根据提示进行数据构建、模型微调和推理评估的设置。
3. 点击“一键合成与微调”按钮，系统将自动完成数据构建与模型微调。

多维度、多阶段鲁棒评估

1. 在WebUI中选择RAGEval评估方法。
2. 设置评估参数，点击“开始评估”按钮。
3. 系统将自动进行多阶段评估，并生成评估报告。

研究友好的探索工作集成

1. 在WebUI中选择所需的RAG方法（如THUNLP-RAG）。
2. 根据提示进行模块级探索和开发。
3. 点击“开始探索”按钮，系统将自动进行探索和开发。