Python-модуль для RAG без лишней магии: SQLite, PGVector, Qdrant и минимум зависимостей

Большинство современных RAG-фреймворков становятся всё тяжелее.

Они требуют:

  • сложной конфигурации;
  • десятков зависимостей;
  • обязательного использования LLM почти на каждом этапе;
  • собственной экосистемы.

Но в production всё чаще нужен противоположный подход:

  • предсказуемость;
  • минимализм;
  • возможность встроиться в существующую архитектуру;
  • контроль над retrieval.

Именно под это был сделан rag-orchestrator.

Что это такое

Это lightweight Python orchestration-модуль для RAG-систем.

Проект ориентирован не на “магический AI framework”, а на:

  • простую интеграцию;
  • модульность;
  • database-agnostic архитектуру.

Поддержка нескольких БД

Модуль рассчитан на работу с:

  • SQLite;
  • PGVector;
  • Qdrant.

Причём через абстрактный слой.

Это означает, что backend можно менять без переписывания логики пайплайна.

Плагинная архитектура

В проекте есть абстракции для:

  • Embeddings;
  • Retrievers;
  • Cleaners;
  • processing stages.

Можно подключать:

  • собственные embeddings;
  • свои retriever-реализации;
  • кастомные preprocessing-модули;
  • внешние сервисы.

Минимум LLM

Интересная особенность проекта:LLM используется только на одном этапе.

Остальная часть пайплайна работает без обязательной зависимости от модели.

Это даёт:

  • меньшую стоимость;
  • лучшую воспроизводимость;
  • более предсказуемое поведение;
  • более простую отладку.

Минимум параметров

Модуль специально спроектирован так, чтобы требовать минимальное количество входных параметров.

Без гигантских YAML-конфигов и сложных dependency chains.

Тесты и примеры

В репозитории уже есть:

  • готовые примеры;
  • integration tests;
  • scripts для проверки работы.

Это упрощает внедрение и изучение системы.

Для чего подходит

Проект можно легко встроить в:

  • существующие RAG-пайплайны;
  • enterprise AI;
  • internal search systems;
  • локальные AI-решения;
  • backend-инфраструктуру.

Без необходимости переписывать архитектуру под очередной AI framework.

Установка

pip install ragflow-orchestrator

Сегодня orchestration и retrieval всё больше становятся инфраструктурной задачей, а не задачей prompt engineering.

И lightweight-решения вроде этого начинают выглядеть намного практичнее тяжёлых AI ecosystem-комбайнов.

Начать дискуссию