go-rag: 突破Python垄断的Golang RAG系统

💡 项目概述

https://github.com/wangle201210/go-rag

 是基于 Golang 实现的企业级知识库检索增强生成系统，打破 RAG 领域 Python 一家独大的局面。集成多知识库管理、智能文档解析、QA 优化、查询重写、多路召回、重排序、MCP 协议等核心功能，为 Golang 开发者提供开箱即用的 RAG 解决方案。

🎯 解决的核心痛点

痛点一：语言生态局限

现有开源 RAG 项目几乎清一色使用 Python，对 Golang 技术栈的团队不友好，迁移成本高、维护困难。

痛点二：检索精度不足

单一检索路径、chunk 粒度不合理、缺乏查询优化，导致召回质量低下。

痛点三：系统集成复杂

缺乏标准化集成口，与现有系统对接困难。

🔥 核心技术

• 多格式支持: 标题结构优化: 动态合并策略智能 QA 生成

• 双路召回机制查询重写引擎智能去重重排MCP 协议集成

🛠️ 技术栈

📄 系统模块

• 知识库管理模块

  知识库的创建、编辑、删除和查询功能。

  

  文档索引模块

  上传前需要选择对应的知识库，支持多种格式文档（如 markdown、PDF、html）的解析和索引。该模块会将文档分割成适当大小的片段，并通过嵌入模型生成向量表示，存储到 es 中。目前对markdown 文档做了很多优化，建议把文档都转换成markdown后上传

  

  文档检索模块

  用于测试从知识库中检索相关文档片段。系统会对用户查询进行向量化，然后进行多路召回和重排序，返回最相关的文档片段。

  

  智能问答模块

  结合用户问题和检索到的文档片段，通过大语言模型生成回答。系统会将检索结果作为上下文提供给模型，使回答更加准确，支持流式输出，支持多轮对话。

  

  MCP模块

  提供了与其他系统集成的能力，支持多种集成方式，如 stdio、SSE 和 HTTP。这使得 Go-RAG 可以作为一个服务被其他应用调用，例如集成到 DeepChat 中。大模型会根据用户问题自动选取符合的知识库进行检索，无需手动指定。

  
  

⚡ 快速开始

源码启动可查看github项目^[1]根目录的readme文档

🚧 发展路线图

• Chunk 管理优化异步索引处理

⚠️ 最佳实践

知识库名称务必与内容高度相关，MCP 模式下系统会根据名称和描述自动选择检索目标。

• config_demo.yaml

项目地址：https://github.com/wangle201210/go-rag

🎉 您的 Star 是我们持续创新的最大动力！

打造 Golang RAG 领域的标杆项目，让每个 Go 开发者都能轻松构建智能问答系统！