Autoflow：图论RAG知识库系统

Autoflow 仍处于开发的早期阶段。我们正在积极推进该项目，下一步计划是将其打包成 Python 包，并使其成为一个 RAG 解决方案，例如 pip install autoflow-ai。如果您有任何问题或建议，欢迎在 Discussion 上与我们联系。

AutoFlow 是一个开源的基于图 RAG（graphrag：知识图谱 RAG）的知识库工具，构建在 TiDB Vector、LlamaIndex 和 DSPy 之上。

Live Demo： https://tidb.ai

部署文档： Deployment Docs

Perplexity 风格的对话搜索页面

我们的平台配备了一个先进的内置网站爬虫，旨在提升您的浏览体验。这个爬虫可以无缝地浏览官方网站和文档站点，通过网站地图 URL 抓取确保全面覆盖和流畅的搜索流程。

可嵌入的 JavaScript 代码片段

通过复制和嵌入一个简单的 JavaScript 代码片段，将我们的对话搜索窗口轻松集成到您的网站中。这个 widget 通常放在网站的右下角，可以对与产品相关的查询进行即时响应。

使用 Docker Compose 部署

（需要：4 个 CPU 核心和 8GB RAM）

• TiDB – 用于存储聊天历史、向量、JSON 和分析的数据库
• LlamaIndex - RAG 框架
• DSPy - 用于编程（而非 prompting）基础模型的框架
• Tailwind CSS – CSS 框架

我们欢迎来自社区的贡献。如果您有兴趣为该项目做贡献，请阅读贡献指南。

AutoFlow 在 Apache 许可证版本 2.0 下开源。您可以在这里找到它。

您可以在 Discord 上与我们联系。