📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🤖 Agent🔄 工作流👁 OCR🐳 Docker🔗 REST API🧬 Embedding📚 RAG🔊 TTS
LightningRAG Dify应用
🤖
Dify应用

LightningRAG Dify应用

基于 Go · 快速构建企业级 AI 应用，支持私有知识库
英文名：LightningRAG
⭐ 221 Stars 🍴 18 Forks 💻 Go 📄 Apache-2.0 🏷 AI 7.5分
7.5AI 综合评分
agentaideepseekdifygingo
⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道
✦ AI Skill Hub 推荐

LightningRAG Dify应用 是 AI Skill Hub 本期精选Dify应用之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

LightningRAG Dify应用 是一款基于 Go 的开源工具，在 GitHub 上收获 0k+ Star，是agent、ai、deepseek、dify领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。

**安装与环境准备**
LightningRAG Dify应用 依赖 Go 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Go 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 LightningRAG Dify应用 的版本更新，及时通知重要功能变化。

📋 工具概览

LightningRAG是一款开源的全栈Vue + Gin启动器，具有分离的前端和后端，适合AI和深度学习项目的开发。它提供了一个强大的框架，帮助开发者快速构建和部署AI和深度学习项目。

LightningRAG Dify应用 是一款基于 Go 开发的开源工具，专注于 agent、ai、deepseek 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars
⭐ 221
开发语言
Go
支持平台
Windows / macOS / Linux（跨平台）
维护状态
轻量级项目，按需更新
开源协议
Apache-2.0
AI 综合评分
7.5 分
工具类型
Dify应用
Forks
18

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

LightningRAG是一款开源的全栈Vue + Gin启动器，具有分离的前端和后端，适合AI和深度学习项目的开发。它提供了一个强大的框架，帮助开发者快速构建和部署AI和深度学习项目。

LightningRAG Dify应用 是一款基于 Go 开发的开源工具，专注于 agent、ai、deepseek 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

📌 核心特色
  • 基于 Dify 平台的 AI 应用快速部署模板
  • 支持 RAG 检索增强生成，可接入私有知识库
  • 可一键部署为独立 AI 应用服务，无需从零搭建
  • 提供可视化 Prompt 编排和变量管理界面
  • 支持多模型切换，灵活应对不同场景需求
🎯 主要使用场景
  • 基于公司内部文档快速构建员工知识库问答系统
  • 部署特定领域的 AI 客服或智能助手应用
  • 搭建个人专属的 RAG 增强知识问答工具
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：go install（推荐）
go install github.com/LightningRAG/LightningRAG@latest

# 方式二：从源码编译
git clone https://github.com/LightningRAG/LightningRAG
cd LightningRAG
go build -o lightningrag .

# 方式三：下载预编译二进制
# 访问 Releases 页面下载对应平台二进制文件
# https://github.com/LightningRAG/LightningRAG/releases
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助
lightningrag --help

# 基本运行
lightningrag [options] <input>

# 详细使用说明请查阅文档
# https://github.com/LightningRAG/LightningRAG
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
# lightningrag 配置说明
# 查看配置选项
lightningrag --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export LIGHTNINGRAG_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 79/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

LightningRAG

English | 简体中文

GitHub: https://github.com/LightningRAG/LightningRAG

1. Basic Introduction

1.1 Project introduction

LightningRAG is built around RAG: knowledge bases (ingest, parse, chunk, vector retrieval), pluggable LLMs, embeddings, vector stores, and rerankers, and Agent orchestration on a canvas (retrieval, LLM, tools, control flow)—with optional webhook channel connectors (Feishu, DingTalk, Slack, etc.). It ships as a Vue + Gin full-stack starter with JWT, dynamic routes/menus, Casbin, a form builder, and code generation.

Online Demo: https://demo.LightningRAG.com

username：admin

password：123456

Public preview is not deployed yet; remove the strikethrough and turn the demo link back on when the server is ready.

2. Features

  • Knowledge bases & RAG: Ingest documents, parse and chunk, embed into pluggable vector stores; hybrid / multi-path retrieval (vector, keyword, PageIndex, and related retriever types); conversation and streaming chat APIs with optional references; pluggable LLMs, embeddings, rerankers, and rag: defaults in config.yaml (Section 3 below; server/rag/README.md).
  • Agent orchestration: Visual canvas flows with nodes such as Begin, Retrieval, LLM, Message, and Agent (with tools) for multi-step and branching automation; extensible tool registry for RAG chat (server/rag/tools/README.md).
  • Channel connectors (optional): Bind published agents to webhook endpoints for Feishu, DingTalk, WeChat, Slack, Teams, and other platforms (Section 3.5 below; docs/THIRD_PARTY_CHANNEL_CONNECTORS.md).
  • Authority management: Authority management based on jwt and casbin.
  • File upload and download: implement file upload operations based on Qiniuyun', Aliyun 'and Tencent Cloud (please develop your own application for each platform corresponding to token or key ).
  • Pagination Encapsulation：The frontend uses mixins to encapsulate paging, and the paging method can call mixins .
  • User management: The system administrator assigns user roles and role permissions.
  • Role management: Create the main object of permission control, and then assign different API permissions and menu permissions to the role.
  • Menu management: User dynamic menu configuration implementation, assigning different menus to different roles.
  • API management: Different users can call different API permissions.
  • Configuration management: the configuration file can be modified in the foreground (may be disabled if you run a public demo instance).
  • Conditional search: Add an example of conditional search.
  • Restful example: You can see sample APIs in user management module.
  • Front-end file reference: web/src/view/superAdmin/api/api.vue.
  • Stage reference: server/router/sys_api.go.
  • Multi-login restriction: set use-multipoint to true under system in config.yaml (configure Redis accordingly; report bugs if any).
  • Chunk upload: examples for chunked and large file uploads.
  • Form builder: based on @Variant Form.
  • Code generator: Providing backend with basic logic and simple curd code generator.

go mod and install Go dependencies

go generate

install dependencies

npm install

6. Getting started

- node version > v18.16.0
- golang version >= v1.22
- IDE recommendation: GoLand

7. Contributing Guide

Hi! Thank you for choosing LightningRAG.

LightningRAG is a full-stack (frontend and backend separation) framework for developers, designers and product managers.

We are excited that you are interested in contributing to LightningRAG. Before submitting your contribution though, please make sure to take a moment and read through the following guidelines.

7.1 Issue guidelines

  • Issues are for bug reports, feature requests, and design topics only. Other topics may be closed.
  • Before opening an issue, search for existing ones.

7.2 Pull request guidelines

  • Fork the repository to your account. Do not create branches in the upstream repo.
  • Commit messages should look like [file]: description, e.g. README.md: fix typo.
  • If the PR fixes a bug, describe the bug in the PR.
  • Merging needs two maintainers: one approves after review, the other reviews and merges.

3.3 LLM, embedding, rerank, and vector store configuration

  • Admin DB config: rag_llm_providers, rag_embedding_providers, rag_vector_store_configs (and the admin UI where exposed).
  • User models: End users can add keys via user models (rag_user_llms).
  • Providers: Pluggable LLM, embedding, rerank, speech, TTS, OCR, CV, etc. — full list in server/rag/README.md. Enable reranking per request with enableRerank when a rerank provider is configured.

6.3 Embedded web UI (optional, `go:embed`)

To ship one binary with the built Vue app embedded:

  1. From the repository root:
   make build-server-embed-local

or bash scripts/build-server-with-embed.sh (runs yarn build, scripts/sync-web-dist.sh, then go build in server/).

  1. Set system.embed-web-ui: true in config.yaml (default is false for the usual Nginx + API split).
  1. With router-prefix empty and embed enabled, /api/... is rewritten to /... before Gin routing (HTTP handler wrapper), matching VITE_BASE_API=/api and the Nginx rewrite in this repo. Plain Engine.Use middleware cannot fix this because Gin matches routes before global middleware runs on 404. If router-prefix is set, no automatic /api strip is applied.

See also scripts/sync-web-dist.sh and server/webui/.

GoReleaser (multi-platform binaries on GitHub Releases)

Official release builds use GoReleaser with .goreleaser.yaml at the repo root.

  • Before each compile: npm install + npm run build in web/, then scripts/sync-web-dist.sh — same embedding path as above (server/webui/webdist → go:embed).
  • Go module: go.mod lives in server/; the config sets gomod.dir: server so module detection works from the monorepo root.
  • Targets: CGO_ENABLED=0 cross-builds for Linux / Windows / macOS / FreeBSD (amd64, arm64, 386 where applicable, plus Linux armv7 and Windows arm64). See .goreleaser.yaml for the exact matrix.
  • Artifacts: Each archive includes the lightningrag binary, config.yaml (copied from server/config.docker.yaml), and the resource/ tree from server/resource.
  • CI: Pushing a v* tag runs .github/workflows/goreleaser.yml and publishes to GitHub Releases (needs contents: write via GITHUB_TOKEN).

Local dry run (no upload):

goreleaser release --snapshot --clean --skip=publish

Publish: create and push a semver tag, e.g. git tag v2.9.1 && git push origin v2.9.1.

6.4 Swagger API docs

6.4.1 Install swag

go install github.com/swaggo/swag/cmd/swag@latest

6.4.2 Generate API docs

cd server
swag init
After running the commands above, docs.go, swagger.json, and swagger.yaml under server/docs are updated. Start the Go server and open http://localhost:8888/swagger/index.html to view the Swagger UI.

6.5 VS Code workspace

6.5.1 Development

Open LightningRAG.code-workspace at the repo root in VS Code. The sidebar shows three virtual folders: backend, frontend, and root.

6.5.2 Run / debug

Use the tasks Backend, Frontend, or Both (Backend & Frontend). The last one starts backend and frontend together.

6.5.3 Settings

The workspace file may define go.toolsEnvVars for Go tools in VS Code. On machines with multiple Go versions, set go.gopath and go.goroot as needed.

    "go.gopath": null,
    "go.goroot": null,
🇨🇳 中文文档镜像 AI 翻译 2026-06-01
英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

LightningRAG 是一个基于 RAG（检索增强生成）架构构建的全栈框架。它集成了知识库管理功能，支持文档摄取、解析、分块及向量检索。系统设计高度模块化，允许开发者灵活插拔不同的 LLMs、embeddings、vector stores 和 rerankers。此外，它还具备强大的 Agent orchestration 能力，支持在画布上进行检索、工具调用及控制流管理，并可通过 webhook 连接 Feishu、DingTalk、Slack 等外部渠道。前端采用 Vue 构建，后端基于 Gin 框架，旨在为开发者和产品经理提供完整的 RAG 应用解决方案。

⚡ 功能介绍

LightningRAG 提供完善的知识库与 RAG 能力，支持文档的自动化解析与分块，并能将数据嵌入至多种可插拔的 vector stores 中。系统支持混合检索与多路径检索模式（包括 vector、keyword、PageIndex 等检索器类型），并提供支持 streaming chat 的 API，且可选择性地返回 references 以增强可信度。核心组件如 LLMs、embeddings 和 rerankers 均可通过 config.yaml 进行灵活配置，确保了系统的高度可扩展性与定制化能力。

📋 环境依赖

在开始使用 LightningRAG 之前，请确保您的开发环境已安装以下依赖：Node.js 版本需大于 v18.16.0，Golang 版本需大于等于 v1.22。对于后端开发，建议使用 GoLand 作为 IDE 以获得最佳的开发体验。此外，项目构建过程需要使用 go mod 管理依赖，并需通过 npm 安装前端相关的依赖包。

🛠 安装步骤（Docker/pip/源码）

本项目支持源码编译安装。首先，请确保已安装符合要求的 Go 和 Node.js 环境。在项目根目录下，通过 go mod 下载并安装 Go 依赖，并运行 go generate 进行代码生成。随后，进入前端目录执行 npm install 安装依赖。若需构建包含嵌入式 Web UI 的单二进制文件，请在根目录运行 make build-server-embed-local 或执行相应的 shell 脚本，该过程会自动完成 yarn build、资源同步及 Go 编译。

🚀 使用教程

LightningRAG 采用前后端分离的架构设计，适用于开发者、设计师及产品经理。用户可以通过内置的 Web UI 进行交互式操作，也可以通过 API 进行集成。对于需要将前端应用打包进后端的场景，可以通过配置 system.embed-web-ui: true 来实现单二进制文件交付。开发者可以通过提交 Issue 来反馈问题或参与社区贡献，建议在提交贡献前详细阅读项目指南以确保符合规范。

⚙️ 配置说明（含 MCP / env）

LightningRAG 提供了灵活的配置机制。通过修改 config.yaml 文件，用户可以定义 rag: 默认参数，并配置各类 LLM、embedding、rerank 及 vector store 的 Provider。系统支持 Admin DB 配置，允许在管理界面或配置文件中管理 rag_llm_providers 等参数。此外，系统支持 User models 模式，允许终端用户通过 rag_user_llms 自行添加 API keys，从而实现多租户或个性化的模型调用能力。

🔌 API 说明

LightningRAG 提供了完善的 Swagger API 文档，方便开发者进行集成开发。您可以通过安装 swag 工具（go install github.com/swaggo/swag/cmd/swag@latest）并在 server 目录下运行 swag init 来自动生成最新的 docs.go、swagger.json 和 swagger.yaml 文件。启动 Go server 后，即可通过浏览器访问 Swagger UI 界面，直观地查看、测试所有可用的 API 接口。

🎯 aiskill88 AI 点评 A 级 2026-05-23

LightningRAG是一个强大的开源Dify应用，提供了一个全栈的Vue + Gin启动器，适合AI和深度学习项目的开发。它的框架和工具非常强大，帮助开发者快速构建和部署项目。但是，项目的文档和示例代码可能需要进一步完善。

📚 实用指南（长尾问题）
适合谁
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
部署方案
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
LightningRAG 中文教程LightningRAG 安装报错怎么办LightningRAG Agent 工作流LightningRAG 与同类工具对比LightningRAG 最佳实践LightningRAG 适合谁用

⚡ 核心功能

👥 适合谁
  • 构建多智能体协作系统的 Agent 开发者
⭐ 最佳实践
  • Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）

👥 适合人群

AI 应用开发者Dify 平台用户企业 AI 部署团队需要快速构建 AI 产品的创业者

🎯 使用场景

  • 基于公司内部文档快速构建员工知识库问答系统
  • 部署特定领域的 AI 客服或智能助手应用
  • 搭建个人专属的 RAG 增强知识问答工具

⚖️ 优点与不足

✅ 优点
  • +Apache-2.0 协议，可免费商用
  • +快速构建 AI 应用，缩短上线周期
  • +支持 RAG 私有知识库接入
  • +部署方式灵活，云端本地皆可
⚠️ 不足
  • −依赖 Dify 平台环境，有一定的学习成本
  • −高级功能配置相对复杂
  • −本地部署需要提前配置好 Docker 等基础环境
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。

🔗 相关工具推荐

MaxKB4j
MaxKB4j是开源的LLMOps平台，用于LLM工作流应用和RAG，提供高效的AI工作流管理和自动化功能。
Graphon
Graphon是开源的Dify应用，用于Python图形执行引擎，支持代理AI工作流。它提供了一个强大的图形执行引擎，能
Dify AI应用开发平台
Terraform配置，用于在Google Cloud上部署Dify，具有可扩展性和高可用性
LLM-Ops
Dify应用
📚 相关教程推荐
Agent 工作流入门
帮助中心 · AI Skill Hub
Agent 工作流
帮助中心 · AI Skill Hub
AI 工具链资讯精选：2026-05-16 MCP / Agent / 自动化工具最新动态
帮助中心 · AI Skill Hub
AI 工具链资讯精选：2026-05-15 MCP / Agent / 自动化工具最新动态
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI Agent 自主化能力最新进展
AI 资讯 · 知识关联
AI 监管政策与法规动态
AI 资讯 · 知识关联
前沿 AI 研究论文速览
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
给 Agent 的目标是"提高效率"，三小时后它关掉了所有通知
AI 圈观察
Agent 帮我订了3次机票，全部是同一天的
AI 圈观察
🗺️ 相关解决方案
agent
ai-agent-workflow
workflow
ai-workflow-templates
ocr
document-ocr-pipeline
docker
docker-deploy
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
CrewAI 多代理协作平台
MCP · Agent · 工作流
gptme Agent工作流
MCP · Agent · 工作流
AI公司多智能体操作系统
为Claude Code设计的开源MCP工具集，包含108个MCP工具和40+智能体模板。支持多智能体协作编排，提供完整的自主代理框架。适合
LEANN AI技能包
MCP · Agent · 工作流

❓ 常见问题 FAQ

解答
💡 AI Skill Hub 点评

经综合评估，LightningRAG Dify应用 在Dify应用赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 LightningRAG Dify应用
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 LightningRAG
原始描述 开源Dify应用：LightningRAG is a full-stack Vue + Gin starter with a decoupled frontend and bac。⭐221 · Go
Topics agentaideepseekdifygingo
GitHub https://github.com/LightningRAG/LightningRAG
License Apache-2.0
语言 Go
🔗 原始来源
🐙 GitHub 仓库  https://github.com/LightningRAG/LightningRAG 🌐 官方网站  https://LightningRAG.com

收录时间：2026-05-13 · 更新时间：2026-05-16 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →