夜雨聆风全文约 4065 字 · 阅读约 10 分钟
项目信号：★3084 stars、347 forks，40 人 watch，17 个 open issues 挂着，主力语言 TypeScript，Apache-2.0 协议，2025 年 1 月 14 日创建，最近一次代码推送在 2026 年 4 月 6 日。三千星说明它被认真看过，但最近一次推送距今近四个月，加上作者请勿商用的态度，这两点定下了后面每一节的判断基调。
关键词及解析：
- RAG（检索增强生成）：先从你自己的文档里检索出相关段落，再让大模型照这些段落作答，答案可以带出处。
- 向量数据库：把文档切成小段、转成一串数字存起来，按语义相近程度检索，这个项目支持 ChromaDB 和 Qdrant 两种，用工厂模式切换。
- Ollama：在自己机器上跑开源模型的工具，配上它，客户的文档和问题可以全程不出本机。
- OpenAPI 接口：它把知识库检索开成一组标准接口，客户官网的前端或者别的系统可以直接调，不必用它自带的界面。
它做对的地方在把一条链上的每一环都拼齐了，单看哪一环都算不上最强的实现。 README 里那张流程图把两条路画得很清楚。
上传一份文档，系统先返回一个任务号，处理在后台异步跑，文本提取和清洗、按段切分并留重叠、调 embedding 服务转成向量、写进向量库；前端拿着任务号轮询处理中、完成、失败三种状态。这套做法是为文档多、单份大的场景准备的。
查询那条路更长一些。用户的问题连同对话历史一起转成向量，去向量库检索，检索结果先过一遍 Cross-Encoder 重排，再组装成上下文交给大模型生成回答。重排这一步是它比一般演示项目讲究的地方，向量检索召回的十几段里常有几段只是字面相近，把真正相关的顶到前面直接决定答案质量。
rag-web-ui/rag-web-ui 项目结构
对着结构图看它的分工。`backend/` 是 Python FastAPI 那一侧，alembic 管数据库迁移，`clean_db.py` 这类维护脚本摆在根目录，Dockerfile 和 Dockerfile.dev 分开，开发与生产各一套镜像。`docs/` 下面挂着独立文档站，`.github/workflows` 里有 CI。前端在更下面，用 Next.js 14 加 TypeScript、Tailwind、Shadcn/UI，靠 Vercel AI SDK 接流式输出。
存储被拆成三份。原始文件进 MinIO 对象存储，用户、知识库、任务这些业务数据进 MySQL，向量进 ChromaDB 或 Qdrant。
关键配置：docker-compose.yml
compose 文件里 backend 要等 db 通过健康检查、等 chromadb 和 minio 起来才启动，失败按五秒间隔重试三次，代码与 uploads 目录用 volume 挂进容器。一条 docker compose 命令背后是 backend、frontend、MySQL、ChromaDB、MinIO 五个服务的编排，这既是它上手快的原因，也是它交付之后运维成本的来源。
价值链落在客户那些散着的文档上。企业官网真正难做的一块一直是资料，几百份产品说明和售后手册躺在各处，官网上只能挂一个下载列表。把这堆文件变成一个能问能答的窗口，就是接单时能单独报价的那件东西，带出处这一条尤其关键，因为企业客户第一个追问一定是答案从哪来。
评级为中。 起服务这一步是三行命令，clone 仓库、把 .env.example 复制成 .env、`docker compose up -d --build`，起完访问 127.0.0.1.nip.io 就能看界面。README 列的前置条件是 Docker Compose v2 以上、Node 18 以上、Python 3.9 以上、8GB 以上内存。把评级从易拉到中的是 .env 里那几组配置和交付前必须做的改动。
关键配置：.env.example
对着样例看要填什么。对话模型和向量模型是两个独立开关，CHAT_PROVIDER 和 EMBEDDINGS_PROVIDER 各选一家，可以用一家出对话、另一家出向量。云端一侧支持 OpenAI、DeepSeek、MiniMax，向量一侧还多了阿里的 DashScope 和 HuggingFace；本地一侧走 Ollama，默认配 `deepseek-r1:7b` 与 `nomic-embed-text`。
Ollama 那几行注释把 macOS 下用 host.docker.internal、编译安装用 localhost、Linux 服务器要用宿主机 IP 三种写法都注在文件里。这类注释是踩过坑才会留下的，容器里的服务连不上宿主机上的 Ollama 是本地部署最常见的一次卡壳。
三个坑要提前知道。配置表里 MySQL 的用户名和密码默认值都写着 postgres，跟它实际用的 `mysql:8.0` 对不上，照抄会卡在连不上数据库，这处残留说明默认值都得自己核一遍。MinIO 的默认口令是 minioadmin，JWT 的 SECRET_KEY 是必填项，这两处不改就上线，等于把客户的文档仓库敞着。8GB 内存只是跑通它自己的门槛，再用 Ollama 跑 7B 模型，内存和显存另算，README 没给数。
代码以 Apache-2.0 开源，不收授权费；花钱的地方在云端 API，对话和向量都按量计费，README 没给任何费率。全套换成 Ollama 可以做到一分 API 费用不花，代价是要准备一台跑得动模型的机器。
它能卖的是给企业官网加一个资料问答模块这件事，钱从建站单里出，而作者那句请勿商用决定了它只适合站在交付链的前半段。
以下数字均为据此估算，不是 README 里的数据。在我国给一家中小企业的既有官网加一个知识库问答模块，含文档整理、部署、界面适配和几轮调优，单价大致几千到三五万一单，文档量大或要做部门级权限的更高。一个熟练的开发者月接一到两单，月毛收入落在几千到数万这个跨度里，跨度由客源决定。
第二条路是收年度维护费。上线后有真实的运维量，模型换代、文档更新、答错了要调，按年收服务费比一次性交付更贴合它的形态。
第三条路是做成 SaaS 卖给多家企业。它有 JWT 加 OAuth2 的用户体系，多租户隔离 README 一字未提，这一层要自己补，也是它离一个可售产品最远的那段距离，况且这条路要和一堆商业知识库产品正面抢客户。
现实门槛在作者那句话上。 README 末尾写着这个项目仅用于学习和分享 RAG 知识、请不要用于商业用途、尚未达到生产可用、仍在活跃开发中。Apache-2.0 在法律上允许商用，作者这句请求没有写进协议条款，这里是两件事，一件是尊不尊重作者明确表达的意愿，另一件是技术判断，作者自己说没到生产可用，比外人的评估更值得听。
稳妥的用法是把它放在谈单阶段。 用它给客户做一个能点能问的演示，让对方看见效果、你报出价钱，真正交付的代码自己写，或者换一个明确允许商用、也自称生产可用的方案。这类需求最难的一关是客户想象不出成品长什么样，一个能当场提问的演示比方案文档管用。
还有一条责任要在合同里写清。企业把售后、合规、报价这类问题交给它答，答错了要有人负责，它带出处的设计正好是这个风险的抓手，答案旁边挂着原文可以核。交付这类模块必须约定人工兜底的范围，把一个概率性系统当成确定性的答案机器卖出去，后面的麻烦比那单钱大。
现金门槛接近零，真正的投入是几天时间，加上一份你愿不愿意接下的维护责任。
学阶段几乎不花钱。代码免费，本机 Docker 跑通不花钱，一台 8GB 内存的机器就够，对话和向量都接 Ollama 连 API 费用都省掉；接 DeepSeek 这类国内接口更省事，跑通一次演示是几块钱的量级。
要交付就有硬支出。一台云主机按配置月费几十到几百元，域名一年几十元，我国境内上线还要备案，这几笔通常算进客户预算。云端 API 按量计费，文档向量化是一次性支出，问答按次算，README 没给费率。
时间是大头。据此估算，把它跑通、把几组配置调对、灌进一批文档试出效果，熟悉 Docker 的人半天到一天。跑通只算入门，换掉默认口令、补权限、接客户已有的文档源、界面换成客户品牌，再自己验一遍作者所说的未达生产可用具体差在哪，这一段按周算，才是真正的工时。
回本周期取决于你把它放在哪一段。 当演示与学习工具，成本就是那一两天，第一次靠它谈成单子就回本。在它上面做交付，回本还要算上那个近四个月没推送的仓库日后归谁维护，这笔账不在启动成本里，在往后三年里。
来源：RAG Web UI，rag-web-ui/rag-web-ui，https://github.com/rag-web-ui/rag-web-ui，★3084，Apache-2.0。