2026年1月29日星期四

清华开源UltraRAG 3。0

可视化RAG开发框架,4600星GitHub热榜项目。支持YAML配置与拖拽UI生成应用界面,并全程白盒化展示推理过程,内置智能助手辅助开发。

这个叫 UltraRAG 的开源项目,已经在 GitHub 上获得 4600+ 的 Star 了。

它由清华大学 THUNLP 实验室、东北大学 NEUIR 实验室、OpenBMB 、面壁智能与 AI9Stars 等联合发布的,是首个基于 MCP 的轻量级 RAG 开发框架。
简单总结就是用 YAML 配置逻辑,用 MCP 做组件,用 UI 打通从「算法」到「应用」的最后一公里。
图片

最近,它们发布了 UltraRAG 3.0。

直接把定位写得非常激进:拒绝"盲盒"开发,让每一行推理逻辑都清晰可见。

如果你正在做知识库问答、DeepResearch、多轮复杂推理,又被各种 Agent + RAG 的黑盒流水线折磨,UltraRAG 3.0 值得你认真看一眼。

而且目前已经登上了 GitHub 开源热榜的 TOP 3 了。
图片
开源地址:https://github.com/OpenBMB/UltraRAG

01

UltraRAG 3.0 发布了

下面就重点看看刚更新的 3.0 有哪些东西,整体来说还是比较顶的。

① 逻辑即应用

说白了就是不需要你自己写对话界面的 UI 了。以前是:

想一个算法 → 写个 pipeline → 跑通 → 再自己写个前端 UI 包一层 → 再调交互细节。

在 UltraRAG 3.0 里,不用这么麻烦了:

写 YAML / 画流程 → 一键 Build → 自动生成对话式 Web 界面。

可以看到,你只需定义好 YAML pipeline,框架就能自动把它变成一套标准交互 demo。

在 UI 上拖拽、连线组件,像搭积木一样画流程。直接改 YAML,画布视图也能实时跟进。

直观感受:你写好的逻辑,本质上就是一个可运行的产品雏形,不再只是伪 demo。

② 全链路白盒化

Show Thinking,把每一步想法摊开给你看。

UltraRAG 3.0 把 Chat 界面升级成了一个 推理过程观察窗。它有一个 Show Thinking 面板,可以流式展示每个 Step:

比如哪次检索召回了哪些 chunk、哪个 Tool 被调用了几次,在第几轮循环里分支走向了哪边。

结构化、时间顺序很清晰。

多轮查询改写、多次检索、多工具协作,以前真的很难一眼看全流程,有了这个能力,问题定位变得非常直接。

之前发现答案错了,需要通过打 log 或者其它办法来看是检索问题还是模型幻觉。

现在直接在界面上看就行了。对复杂任务尤其有价值,比如 DeepResearch 场景。UltraRAG 3.0 把整个「思考过程」完全展开出来,确实方便很多。

③ 内置智能开发助手

UltraRAG 3.0 直接把开发文档和最佳实践塞进了一个内置的智能助手里。

从看文档→理解→翻译成配置这一整段心智负担都帮你省了。

下面这个图就是内置的开发助手能做的一些事情:

图片

02

如何使用

如果你是第一次接触 UltraRAG,可以按这条路线来:

第一步:安装 & 验证

本地安装,推荐 uv:

git clone https://github.com/OpenBMB/UltraRAG.git --depth 1cd UltraRAG# 同步全部依赖uv sync --all-extras# 激活环境(以 macOS/Linux 为例)source .venv/bin/activate# 跑个最简单的例子ultrarag run examples/sayhello.yaml# 预期输出:Hello, UltraRAG v3!

Docker 快速体验 UI

# 拉镜像 / 或者本地构建docker build -t ultrarag:v0.3.0 .# 跑起来(默认 5050 端口)docker run -it --gpus all -p 5050:5050 ultrarag:v0.3.0# 浏览器打开 http://localhost:5050

先随便玩几个官方示例 pipeline,感受一下「Show Thinking」和可视化 builder 的味道。

第二步:学会读/写一份简单的 YAML Pipeline

你至少要掌握:

servers: 部分:声明你会用到哪些 MCP Servers(retriever / generation / evaluation…)

pipeline: 部分:声明执行的步骤,以及循环/分支逻辑

典型结构大概是这样的:

servers:  - name: generation    type: generation    params:      model: qwen3-7b  - name: retriever    type: retriever    params:      index: milvuspipeline:  - name: init_query    server: generation    input: user_question  - name: search_loop    loop:      times: 5      steps:        - server: retriever        - server: generation  - name: decide    branch:      condition: "{{need_more}}"      true: search_loop      false: final_answer

可以先在 UI 里用画布模式拖出一个流程,再去看同步生成的 YAML 长什么样。有任何不懂的字段,直接问内置智能助手,比翻文档快。

接下来,你就能把你已有的 RAG 逻辑迁到 UltraRAG。

03

点击下方卡片,关注逛逛 GitHub

这个公众号历史发布过很多有趣的开源项目,如果你懒得翻文章一个个找,你直接关注微信公众号:逛逛 GitHub ,后台对话聊天就行了:

图片

没有评论:

发表评论

蚂蚁灵波开源世界模型LingBot-World,支持10分钟实时生成与交互

蚂蚁灵波开源通用世界模型LingBot-World,可生成10分钟动态视频并实时交互。用户通过键盘鼠标控制视角,或用自然语言指令实时修改场景。模型具备长时序一致性、记忆力和物理规律模拟能力,性能优于Genie 3等模型,并已与感知(LingBot-Depth)、决策(LingBo...