机器翻译正文由机器翻译自项目原始文档（英文），排版经程序统一处理，可能存在偏差，请以原项目仓库为准。
Pathway Live Data Framework 的 AI 流水线 允许您快速将 AI 应用投入生产，这些应用能够在您的数据源中使用最 最新的知识 提供 高精度的 RAG 和企业级 AI 搜索。它为您提供了可直接部署的 LLM（大型语言模型）应用模板。您可以在自己的机器上进行测试，并部署到云端（GCP、AWS、Azure、Render 等）或本地环境。
这些应用可以连接并同步（所有新的数据添加、删除、更新）到您的 文件系统、Google Drive、Sharepoint、S3、Kafka、PostgreSQL、实时数据 API 等数据源。它们不依赖任何需要单独设置的基础设施。它们内置了 数据索引，支持向量搜索、混合搜索和全文搜索——所有操作均在内存中完成，并带缓存功能。
应用模板
本仓库提供的应用模板可扩展到数百万页文档。其中一些模板经过简化优化，一些模板则追求极高的准确性。选择最适合您的模板即可。您可以直接使用，也可以更改流水线的某些步骤——例如，如果您想添加新的数据源，或将向量索引更改为混合索引，只需一行代码即可完成。
| 应用（模板） | 描述 |
|---|---|
Question-Answering RAG App |
基本端到端RAG应用。一个问答流水线，使用所选的GPT模型对连接的数据源（PDF、DOCX等文件，Google Drive、Sharepoint等）中的文档进行查询并提供答案。您也可以尝试演示REST端点。 |
Live Document Indexing (Vector Store / Retriever) |
实时文档索引流水线，用于RAG，作为向量存储服务。对来自连接数据源（PDF、DOCX等文件，Google Drive、Sharepoint等）的文档进行实时索引。可与任何前端一起使用，或集成为Langchain或Llamaindex应用的检索器后端。您还可以尝试演示REST端点。 |
Multimodal RAG pipeline with GPT4o |
在解析阶段使用GPT-4o进行多模态RAG，以索引来自连接数据源（文件、Google Drive、Sharepoint等）的PDF及其他文档。非常适合从文件夹中提取非结构化的财务文档信息（包括图表和表格），并在文档更改或新增时更新结果。 |
Unstructured-to-SQL pipeline + SQL question-answering |
一个RAG示例，可连接到非结构化财务数据源（财务报表PDF），将数据结构化为SQL并加载到PostgreSQL表中。同时，该应用可通过LLM将用户的自然语言查询转换为SQL，并在PostgreSQL表上执行查询，以回答财务文档相关的自然语言问题。 |
Adaptive RAG App |
一个使用自适应 RAG 的 RAG 应用程序，这是由 Pathway 开发的一种技术，可在保持准确性的同时将 RAG 的令牌成本降低最多 4 倍。 |
Private RAG App with Mistral and Ollama |
question_answering_rag RAG 流程的完全私有（本地）版本，使用 Pathway 实时数据框架、Mistral 和 Ollama。 |
Slides AI Search App |
一个用于检索幻灯片的索引流程。它能够对 PowerPoint 和 PDF 进行多模态处理，并维护幻灯片的实时索引。 |
Video RAG with TwelveLabs |
一个针对视频的 RAG 流程。它使用 TwelveLabs 的 Pegasus 将视频转换为丰富的文本描述，并使用 Marengo 多模态嵌入对其进行索引，这样您就可以在实时连接的数据源（文件、Google Drive 等）上对视频提问。 |
这些人工智能管道是如何运作的？
这些应用可以作为Docker 容器运行，并提供HTTP API以连接前端。为了便于快速测试和演示，一些应用模板还包括可选的 Streamlit 用户界面，该界面可连接到该 API。
这些应用依赖于Pathway Live Data Framework进行数据源同步和处理 API 请求（Pathway 是一个独立的 Python 库，其中内置了 Rust 引擎）。它们为您提供简单且统一的应用逻辑，涵盖后端、嵌入、检索和 LLM 技术栈。无需为您的生成式 AI 应用集成和维护单独的模块：~向量数据库（例如 Pinecone/Weaviate/Qdrant） 缓存（例如 Redis） API 框架（例如 Fast API）~。Pathway 默认选择的内置向量索引基于高速 usearch 库，而混合全文索引使用 Tantivy 库。所有功能开箱即用。
入门指南
本仓库中的每个 应用模板 都包含一个 README.md，里面有关于如何运行它的说明。
你也可以在 Pathway 网站上找到 更多可直接运行的代码模板。
一些视觉亮点
使用多模态RAG实时轻松提取和整理来自PDF、文档等的表格和图表数据：
（查看 Multimodal RAG pipeline with GPT4o 以了解整个流程的运行情况。您也可以查看 Unstructured-to-SQL pipeline ，这是一个适用于非多模态模型的最小示例。）
自动化实时知识挖掘和警报：
（查看 Alerting when answers change on Google Drive 应用示例。）
自制视频
▶️ An introduction to building LLM apps with Pathway Live Data Framework - by Jan Chorowski
▶️ Let's build a real-world LLM app in 11 minutes - by Pau Labarta Bajo
故障排除
要提供反馈或报告错误，请在我们的问题跟踪器上提交问题。
贡献
任何希望为这个项目做出贡献的人，无论是文档、功能、修复漏洞、代码清理、测试还是代码审查，都非常鼓励这样做。如果这是你第一次为 GitHub 项目做出贡献，请参阅这里的 入门指南。
如果你想做一个需要更多工作的贡献，只需在 Pathway Discord 服务器 (#get-help) 上举手，并让我们知道你的计划！
由...支持和维护
- 本文标题：llm-app - 即用型云模板
- 本文链接：https://cn121.com/llm/pathwaycom-llm-app.html
- 原项目：pathwaycom/llm-app 版权归原作者 pathwaycom 及贡献者所有
- 收录信息：本站于 2026-09-22 收录本项目，本页所列协议与仓库指标均为收录当时的状态；该日期之后原项目的版本更新与协议变更，本页不作同步。
- 开源协议：收录时本项目采用 MIT（查看 LICENSE 原文），本站译文为其衍生内容；使用、修改、分发请以该仓库 LICENSE 原文为准。
- 站点出处：本文首发于 OneTwoOne，收录自 GitHub 开源项目 pathwaycom/llm-app。
- 翻译说明：本页正文为人工智能生成内容——由机器翻译对原项目 README 初译、经程序校验排版，可能存在错漏，请以原项目文档为准。
- 引用声明：商业转载、第三方聚合或 AI 检索训练引用时，请务必保留以上来源出处、本文永久链接，以及原项目的版权声明与许可信息。
- 下架通道：若原项目此后变更或收紧了许可协议、或作者／权利人认为本站的收录方式（译文、排版适配、简介翻译等）超出其授权范围，请通过 xyd3302001@163.com 发送下架通知，并附上项目地址与本页链接。本站核实后将第一时间删除本页内容，或改为不复制原文的目录性收录；署名更正等其他要求可一并提出。