raglite

name	raglite
description	Local-first RAG cache — distill documents into structured Markdown for fast retrieval without external services.
metadata	{"xiaodazi":{"dependency_level":"lightweight","os":["common"],"backend_type":"local","user_facing":true,"python_packages":["raglite"]}}
capabilities	["knowledge_retrieval","document_indexing"]

RAGLite 本地知识检索

将文档蒸馏为结构化 Markdown 并建立本地索引，实现快速知识检索。无需外部向量数据库。

使用场景

• 用户说「帮我把这些文档建成知识库，方便以后查询」
• 用户有大量 PDF/Markdown 文档需要快速搜索
• 需要基于私有文档回答问题（RAG 场景）
• 与知识库类 Skill 配合，提供语义搜索能力

执行方式

安装

pip install raglite

索引文档

from raglite import RAGLiteConfig, insert_document

config = RAGLiteConfig(
    db_url="sqlite:///~/Documents/xiaodazi/raglite.db",
)

insert_document(
    doc_path="report.pdf",
    config=config,
)

检索

from raglite import retrieve_chunks, rerank_chunks

chunks = retrieve_chunks(
    query="公司的营收增长情况",
    num_chunks=10,
    config=config,
)

reranked = rerank_chunks(query="公司的营收增长情况", chunk_ids=[c.id for c in chunks], config=config)

RAG 问答

from raglite import rag

response = rag(
    prompt="根据文档，公司去年的营收是多少？",
    config=config,
)
print(response)

支持的文档格式

• PDF（通过 MinerU 或 PyPDF 解析）
• Markdown
• 纯文本

输出规范

• 索引完成后显示文档数量和索引大小
• 检索结果附带来源文档和页码引用
• 回答时明确标注信息出处
• 数据库存储在本地，不上传