FlexRAG 是一个具备高可复现性、易上手且性能优越的检索增强生成（Retrieval Augmented Generation, RAG）框架，专为科研与原型开发而设计。它支持文本、多模态以及网络 RAG，提供完整的 RAG 流水线与评估流程，开箱即用，同时具备高效的异步处理与持久化缓存能力，助力快速搭建强大的 RAG 解决方案。
- 🎯高可复现性：FlexRAG 附带了伴生仓库 flexrag_examples，为各类 RAG 算法提供详尽的复现案例；同时，在 HuggingFace Hub 上统一提供的检索器，确保您在相同环境下轻松复现实验结果。
- ✅低上手难度：一键下载并加载 HuggingFace Hub 上的检索器，免除了繁琐的构建流程；此外，FlexRAG 对默认配置进行了精心优化，使您在默认参数下就能获得出色性能，从而简化开发流程。
- 🌍多样化应用场景：FlexRAG 不仅适用于文本 RAG，还支持多模态及网络 RAG，为不同数据类型提供了广泛的应用可能。
- 🧪科研优先：为各类 RAG 任务提供统一评估流程，助您在不同数据集上轻松测试；同时，提供官方基准测试方便对比和查阅。
- ⚡卓越性能：利用持久化缓存和异步函数，助力高性能 RAG 开发。
- 🔄全流程支持：从文档信息提取、切分到检索与生成，再到生成质量评估，FlexRAG 完备支持 RAG 全生命周期的各个环节。
- 🛠️模块化灵活设计：采用轻量级模块化架构，FlexRAG 支持多种开发模式，助您快速构建专属 RAG 解决方案。
- 2025-03-24: 中文文档上线啦！请访问 文档 查看。
- 2025-02-25: FlexRAG 的 LocalRetriever 现在支持从 HuggingFace Hub 上加载啦！
- 2025-01-22: 新的命令行入口
run_retriever以及大量新的信息检索指标（如RetrievalMAP）现已上线，请阅读文档以获取更多信息。 - 2025-01-08: FlexRAG 现已支持 Windows 系统，您可以直接通过
pip install flexrag来安装。 - 2025-01-08: FlexRAG 在单跳QA数据集上的基准测试现已公开，详情请参考 benchmarks 页面。
- 2025-01-05: FlexRAG 的文档现已上线。
从 pip 安装 FlexRAG:
pip install flexrag访问我们的文档以了解更多信息。
FlexRAG 采用模块化架构设计，让您可以轻松定制和扩展框架以满足您的特定需求。下图说明了 FlexRAG 的架构：
我们利用 FlexRAG 进行了大量的基准测试，详情请参考 benchmarks 页面。
本仓库采用 MIT License 开源协议. 详情请参考 LICENSE 文件。
如果您在研究中使用了 FlexRAG，请引用我们的项目：
@software{Zhang_FlexRAG_2025,
author = {Zhang, Zhuocheng and Feng, Yang and Zhang, Min},
doi = {10.5281/zenodo.14593327},
month = jan,
title = {{FlexRAG}},
url = {https://github.com/ictnlp/FlexRAG},
year = {2025}
}下面的开源项目对本项目有所帮助: