仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
MetaGPT[1]是一个智能体开发框架，其功能完备，易于介入开发，而且是国内的团队开发的，直接可以对标微软的autogen等一众智能体框架。
MetaGPT集成了llama_index，进而实现了RAG，结合MetaGPT可以方便快速的接入自定义LLM，使得使用体验是很好的，比在llama_index中自定义LLM及使用RAG要更方便。
以官方的示例项目为例，跑一个rag_pipeline的程序。
我个人是建议源码安装：pipinstall-e.[rag]；可以方便快捷的改动源码调试；参考：RAG模块[2]。
如此，就将向量模型部署起来了。
一直没有在官方和网上找到如何配置本地的LLM&RAG，基本都是默认的openai类型。自己研究了下，按如下配置即可：
接下来，运行官方的RAG示例项目：rag_pipeline.py，且注释掉es的代码：
最终的运行日志如下：
其实整个流程没什么难点，主要是在配置项的确是没有参考的，也不知道是真没有基于本地LLM&RAG来配置的，还是采用的离线调用；我反正是比较能喜欢远程API的方式。
MetaGPT的RAG模块功能，是基于llama_index来实现的，其实就是直接集成进来的。因此对于RAG有需要优化的地方，是可以直接改源码的，这也是我推荐基于源码安装的原因。不过跟了一下llama_index的源码，我觉得还是写得蛮好的，尤其是现在基于event编排RAG流程。
Reference
MetaGPT:https ://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
Ollama-Linux:https ://www.modelscope.cn/models/modelscope/ollama-linux
