Haystack

活跃
GitHub MDX Apache-2.0

简介

Haystack 是企业级 RAG 与搜索应用框架，支持文档处理、检索、生成与评估全链路。

核心特性

  • 模块化管道架构 — 通过有向无环图组合检索、路由、记忆和生成组件，支持条件分支与循环
  • 模型与供应商无关 — 无缝切换 OpenAI、Anthropic、Cohere、Hugging Face、AWS Bedrock 等，无需重写系统
  • 上下文工程控制 — 显式控制信息检索、排序、过滤、组合和路由，确保上下文质量和可追溯性
  • 可扩展组件生态 — 通过一致接口构建和共享自定义组件，社区与第三方可轻松扩展
  • 内置评估与可观测性 — 提供评估管道对 RAG 输出进行端到端测试和质量度量
  • 生产就绪部署 — 支持 Docker 容器化，提供企业级 Haystack Enterprise 平台

适用场景

💡 企业知识库检索增强生成（RAG）：连接内部文档库，支持多轮对话问答
💡 语义搜索引擎：构建基于向量嵌入的语义检索系统，替代传统关键词搜索
💡 多模态问答系统：结合文本和图像检索，支持跨模态文档问答
💡 自主 Agent 工作流：使用 Agent 组件调用外部工具，执行多步骤推理任务
💡 文档分类与信息抽取：利用管道组件对非结构化文档进行结构化信息提取

标签

rag retrieval llm python

分类

📚 RAG 工具 🔄 工作流

快速开始

```bash
pip install haystack-ai
```
访问 GitHub 访问官网 查看文档

相关项目

相关文章

QdrantRAGVector Database

Qdrant + RAG 检索优化指南：从召回到回答质量

面向生产场景，总结使用 Qdrant 构建 RAG 检索层时的索引、过滤、重排与评估策略。

阅读全文 →
RAGChunking检索优化

RAG 进阶：Chunking 策略与检索优化的实战取舍

大多数 RAG 管线在检索环节就失败了——根因是 chunking 策略。本文从五种分块方法、混合搜索、Reranking 到完整生产管线，给出可落地的决策框架。

阅读全文 →