LiteRAG 是 AI Skill Hub 本期精选Agent工作流之一。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。
LiteRAG是一款开源的AI工作流框架,基于Retrieval-Augmented Generation(RAG)技术,提供了一个紧凑的、可orchestratable的框架,支持AI工作流的开发和部署。
LiteRAG 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
LiteRAG是一款开源的AI工作流框架,基于Retrieval-Augmented Generation(RAG)技术,提供了一个紧凑的、可orchestratable的框架,支持AI工作流的开发和部署。
LiteRAG 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
# 克隆仓库 git clone https://github.com/ArabidopsisDev/LiteRAG cd LiteRAG # 查看安装说明 cat README.md # 按 README 完成环境依赖安装后即可使用
# 查看帮助 literag --help # 基本运行 literag [options] <input> # 详细使用说明请查阅文档 # https://github.com/ArabidopsisDev/LiteRAG
# literag 配置说明 # 查看配置选项 literag --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 LITERAG_CONFIG="/path/to/config.yml"
A concise, orchestratable Retrieval-Augmented Generation (RAG) framework built with C#.
LiteRAG is a lightweight and flexible Retrieval-Augmented Generation framework designed to streamline the integration of RAG patterns into .NET applications. It provides a clean, modular architecture that emphasizes orchestration and ease of use, making it ideal for building intelligent applications that combine retrieval and generation capabilities.
```bash
dotnet build
dotnet add package Arabidopsis.LiteRAG
using Arabidopsis.LiteRAG.Models;
using Arabidopsis.LiteRAG.Orchestrations;
using Arabidopsis.LiteRAG.Processes.Implements;
namespace Arabidopsis.LiteRAG
{
internal class Program
{
public static async Task Main()
{
var deepSeekApi = Environment.GetEnvironmentVariable("DSAPI")!;
var qwenApi = Environment.GetEnvironmentVariable("BitchSDAU")!;
var src = new CancellationTokenSource();
var ragPipeline = new LinearOrchestration<Semantics>()
.AddChunking(new NaiveChunking("text.txt"))
.AddClustering(new DeepSeekClustering(deepSeekApi))
.AddEmbedding(new QwenEmbedding(qwenApi))
.AddVectoring(new InMemoryVectoring(qwenApi, "text.txt"));
var knowledgeBase = await ragPipeline.BuildAsync(src.Token);
}
}
}
LiteRAG是一款基于RAG技术的AI工作流框架,提供了一个紧凑的、可orchestratable的框架,支持AI工作流的开发和部署,值得关注。
该工具使用 LGPL-2.1 协议,商用场景请仔细阅读协议条款,必要时咨询法律意见。
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。
⚠️ LGPL 2.1 — 弱 Copyleft,可动态链接到商业软件,但修改库本身须开源。
经综合评估,LiteRAG 在Agent工作流赛道中表现稳健,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。
| 原始名称 | LiteRAG |
| 原始描述 | 开源AI工作流:A concise, orchestratable Retrieval-Augmented Generation (RAG) framework.。⭐4 · C# |
| Topics | workflowc# |
| GitHub | https://github.com/ArabidopsisDev/LiteRAG |
| License | LGPL-2.1 |
| 语言 | C# |
收录时间:2026-05-24 · 更新时间:2026-05-30 · License:LGPL-2.1 · AI Skill Hub 不对第三方内容的准确性作法律背书。
选择 Agent 类型,复制安装指令后粘贴到对应客户端