从多模态文档解析到 LightRAG 知识图谱,从五维 RAG 索引到 AI Agent MCP,ApeRAG 提供完整的 GraphRAG 技术栈
深度改进的 LightRAG 实现,内置实体归一化与合并,自动从文档中提取实体与关系构建知识图谱,支持多跳推理,RAG 回答准确率显著高于传统向量检索。
基于 MinerU 技术,高精度解析 PDF、Word、PPT、表格、公式及科学文献,支持图片与图表视觉理解,为 GraphRAG 知识图谱构建提供高质量的文档输入。
提供 Vector(向量)、Full-text(全文)、Graph(知识图谱)、Summary(摘要)、Vision(视觉)五种 RAG 索引,多维度并行检索,按场景灵活组合,兼顾精准率与召回率。
内置 AI Agent 支持 MCP(Model Context Protocol)工具协议,可自动识别相关知识库、智能 RAG 检索并结合网络搜索,实现端到端智能问答。
提供 Helm Chart 与 KubeBlocks 集成,一键部署 PostgreSQL、Redis、Qdrant、Elasticsearch、Neo4j 等 RAG 依赖组件,支持私有化与生产环境 K8s 部署。
内置审计日志、LLM 模型管理、知识图谱可视化、文档管理界面和 Agent 工作流管理,满足企业合规与 GraphRAG 平台运营需求。
ApeRAG 实现了 MCP(Model Context Protocol)服务端,任何支持 MCP 的 Agent 平台均可将 ApeRAG 知识库作为工具直接调用
任何实现了 MCP 客户端协议的 Agent 或 IDE 插件,均可通过标准接口接入 ApeRAG 知识库。
快速接入:在 ApeRAG 控制台开启 MCP Server,将生成的 endpoint 地址配置到对应 Agent 平台的 MCP 设置中即可完成接入,无需修改代码。
接入内部文档、产品手册、规章制度,通过 GraphRAG 知识图谱构建语义关联,员工可自然语言提问、获取跨文档的准确答案。
基于产品文档与历史工单构建 RAG 知识库,结合 LightRAG 多跳推理实现多轮对话式客服,显著提升响应效率与答案准确率。
批量处理合同、报告、学术文献,GraphRAG 自动提取实体关系、生成结构化摘要与跨文档对比分析。
索引代码仓库与技术文档,构建代码知识图谱,帮助开发团队快速理解存量代码、生成注释与 RAG 辅助开发。