super-rag
Super performant RAG pipelines for AI apps. Summarization, Retrieve/Rerank and Code Interpreters in one simple API.
파일 탐색기
최종 버전 다운로드 (.zip)- lint.yml
- issue_template.md
- pull_request_template.md
- __init__.py
- delete.py
- ingest.py
- query.py
- embedding.ipynb
- walkthrough.ipynb
- __init__.py
- delete.py
- document.py
- file.py
- google_drive.py
- ingest.py
- query.py
- vector_database.py
- e2b.Dockerfile
- e2b.toml
- e2b_matplotlib_backend.py
- requirements.txt
- __init__.py
- code_interpreter.py
- embedding.py
- ingest.py
- router.py
- splitter.py
- __init__.py
- file.py
- logger.py
- summarise.py
- table_parser.py
- __init__.py
- astra.py
- base.py
- pgvector.py
- pinecone.py
- qdrant.py
- weaviate.py
- .env.example
- .flake8
- .gitignore
- .pre-commit-config.yaml
- Dockerfile
- LICENSE
- main.py
- Makefile
- poetry.lock
- pyproject.toml
- README.md
- router.py
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/superagent-ai/super-rag
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd super-rag
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. Docker
쉬움 추천사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.
docker build -t super-rag .
Dockerfile을 기반으로 실행 가능한 이미지를 빌드합니다.
docker run -p 8080:80 super-rag
빌드된 이미지를 실제 컨테이너로 실행합니다.
터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.
3. Python
쉬움사전 준비물
python3 -m venv env
파이썬 스크립트(또는 모듈)를 실행합니다.
poetry install
pyproject.toml에 명시된 라이브러리를 설치합니다.
에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
4. Make
보통사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- Make Linux/macOS는 보통 기본 설치되어 있습니다. Windows는 별도 설치(예: MSYS2, WSL)가 필요합니다.
make
생성된 빌드 설정을 바탕으로 실제 컴파일을 진행해 실행 파일을 만듭니다.
에러 없이 끝나면 성공입니다. 생성된 실행 파일을 직접 실행해보세요.
// repository documentation
Was this content helpful?
(0 ratings)