← 返回项目库

UltraRAG 中文可视化 RAG 工作流平台

一套中文可视化 RAG 开发平台，集 Pipeline 编排、参数配置、提示词管理、知识库和智能对话于一体。

UltraRAG 是基于 MCP 架构的轻量 RAG 开发框架与可视化 IDE，由清华大学 THUNLP、东北大学 NEUIR、OpenBMB 与 AI9Stars 联合推出。中文交付版提供 Pipeline 画布与 YAML 双向编辑、参数配置、提示词管理、知识库集合和智能对话界面，适合学习复杂 RAG 流程编排、组件化检索生成与研究原型开发。

真实界面

项目截图

共 4 张

RAG 智能对话工作台
可视化 Pipeline 编排
Pipeline 参数配置
提示词模板管理

Capabilities

核心功能

✓可视化 Pipeline 节点编排
✓YAML 双向编辑
✓模型与检索参数配置
✓提示词模板管理
✓知识库集合管理
✓RAG 智能对话
✓MCP Server 组件扩展

适用场景

RAG 工作流研究与教学
知识库问答原型
MCP 组件化 AI 应用开发
检索生成流程调试

适合谁

RAG 开发者、AI 应用研究者、高校实验室、知识库产品团队和 Python 学习者。

商业化思路

用于社群学习与研究 RAG 工作流、MCP 组件化架构、知识库问答和 AI 应用原型。

你会拿到什么

  • ✓含 Apache 2.0 许可证的中文 Python 源码包
  • ✓四张真实运行功能截图
  • ✓本地安装与 UI 启动说明

部署流程

  1. 1准备 Python 3.10+ 虚拟环境并安装项目依赖。
  2. 2执行 ultrarag show ui --admin --host 127.0.0.1 --port 5050 启动管理 UI。
  3. 3按研究任务配置模型、检索器、MCP Server 与知识库。

真实验证结果

真实启动 UltraRAG 管理服务并验证智能对话、Pipeline 编排、参数配置和提示词管理四个功能界面；HTTP 200、端口清理正常，截图无控制台错误、404、坏图、重复画面或横向溢出。

部署前须知

管理 UI 可独立启动；实际问答、向量检索和模型生成需要用户自行配置相应模型、数据与 MCP 服务，运行成本取决于所选组件。

部署难度

中等

最低配置

Python 3.10+；建议 8 GB 内存。管理 UI 可单机启动，模型推理与检索能力需按具体 Pipeline 配置相应服务。

开源许可证

Apache License 2.0

最后验证

2026-08-20

技术栈

PythonFlaskMCPYAMLJavaScriptRAG

授权说明

源码包保留上游 LICENSE.txt、版权声明与 Apache License 2.0 条款；本站按社群学习与研究用途收录。

Release notes

版本记录

1 个已发布版本

v3.0.0-cn.1 当前推荐

首个中文交付版本，完成管理 UI、Pipeline 编排、参数配置、提示词与对话界面本地化。

部署要求：Python 3.10+；按具体 RAG Pipeline 准备模型、检索服务和知识库。

已知问题：模型推理和检索服务不包含在本地 UI 演示中，需要按上游文档独立配置。

登录后领取