Argus RAG Studio
一个开源自托管平台，在一处覆盖 RAG 全生命周期——构建（Build）、检索/生成（Retrieve & Generate）、评估（Evaluate）与运维/部署（Operate & Deploy）。它不是"跑通一次的 RAG 演示"：内置以数字度量质量的评估工具链、自动探索最优设置的配置扫描、反馈闭环，以及基于代理的远程部署，可在本地化与气隙（隔离网）环境中运行。
什么是 RAG
LLM 独自作答时既没有最新信息，也没有依据。RAG 会先检索企业自有文档，仅在检索到的依据之上生成回答。
放入文档，得到有据可查的答案
直接导入内部规章、手册与合同，系统检索与问题匹配的依据，并生成带 [n] 引用的答案——每句话都可回溯到原文位置，业务人员可先核对依据再使用。
概念图
构建、检索/生成、评估/运维三个平面运行在同一数据平面上，推理服务器与部署通过标准接口分离连接。
特点与优势
测量 → 优化 → 改进闭环
用黄金集、Hit Rate/MRR 与三轴 LLM-as-Judge 以数字度量质量；配置扫描自动探索分块、检索模式与重排器的最优组合；用户 👍/👎 反馈回流为黄金集——多数自建 RAG 缺失的闭环在这里是内置功能。
混合检索＋带引用答案
向量（pgvector）与词法（tsvector）结果经 RRF 融合，再由重排（LLM·进程内·cross-encoder）排序，答案带 [n] 引用并通过 SSE 流式输出。联邦查询可一次检索使用异构嵌入的多个知识库。
面向韩语·韩国文档的特化
HWP/HWPX 专用 Rust 解析器（rhwp）、kss 韩语分句、面向扫描件的 VLM·OCR（PaddleOCR）流水线，以及 AI-Hub 兼容标注——这是通用开源 RAG 框架不具备的能力轴。
气隙·代理远程部署
模型以包（pack）形式引入并在部署时自动安装；各主机的代理远程部署工作进程、嵌入、重排与 VLM 服务器。配合 zot 镜像仓库，连容器也完全离线——满足金融·公共·国防的网络隔离要求。
RAG 全流程，一图掌握
从采集到检索、生成、评估、运维与部署——无需拼接多种工具，在单一平台上管理。
文档路由 — 该进入哪个知识库
分类只说明文档是什么，并不决定它该去哪里。从文件名、路径、元数据到嵌入相似度与 LLM 判断，多个路由器组合成策略，在入库前确定目标，并记录每一次决策。
文档解析 — 从原始文件到文本
同样是 PDF，以表格承载信息的文档与扫描件需要用不同方式读取。可按文件类型与质量要求更换解析器，且无论走哪条路径，最终都汇聚为保留表格与标题的同一种 Markdown。
PII — 在索引之前抹除
个人信息在解析后立即脱敏，只有脱敏后的正文进入分块、嵌入与索引。正则无法覆盖之处，由校验位验证与沙箱中的自定义函数补足。
分块 — 检索命中的单位
分块是检索实际匹配的单位。过大则依据淹没在噪声中，过小则句子无法独立成义。每个知识库按文档特性选择合适的边界策略。
嵌入 — 转换为可检索的向量
嵌入配置决定知识库的向量空间。提供方、模型、维度与距离度量在创建知识库时即固定，之后变更需要重新索引。在隔离网络或 CI 中，无需嵌入服务器也能验证链路。
检索 — 如何找到依据
一个问题分为向量检索与词法检索两路，再通过 RRF 合并。整个过程中，知识库边界与元数据过滤强制约束可读取的范围，而向量存储可在不迁移内容的前提下更换。
重排序 — 广撒网，精挑选
一次检索以不遗漏为目标，因此广泛收集候选。重排序只针对这些候选做精细判断并重新排序。它是查询时配置，变更无需重新索引；即使重排序失败，检索仍会以融合顺序返回结果。
评估 — 用数字衡量质量
检索无需 LLM，直接以 Hit Rate 与 MRR 计算；回答则由 LLM 评审在忠实性、相关性、正确性三个维度打分。配置扫描按是否需要重新索引划分搜索空间，留出集与过拟合标记用于验证优胜配置。
平台架构
前端仪表盘、RAG 后端、推理服务器与数据存储/镜像仓库有机联动；推理与工作进程可经由代理分离部署，随规模分阶段扩展。
核心功能
从摄取、解析、分块到混合检索与生成，再到评估、配置扫描、检索微调、版本与可观测性、代理部署与气隙、标注与图像——在单一平台提供覆盖 RAG 全周期的十二大支柱。
构建 · Build
导入文档、解析、切分，并路由到正确的知识库
摄取流水线
多格式文档经异步工作进程完成上传→解析→分块→嵌入→索引。
5 种解析策略
按文档特性为每个集合选择解析策略（未安装时自动回退）。
8 种分块策略
分块决定检索质量的一半——从表格保留到语义边界都细致实现。
知识库设计——fail-closed 隔离
将集合设计为安全隔离边界，而不只是主题分组。
检索 · 生成 · Retrieve & Generate
找到能回答问题的依据，并生成带引用的答案
混合检索与生成
并行检索语义与关键词并融合，生成带引用的答案。
模型灵活性
按工作负载更换嵌入、重排器、生成 LLM、VLM 与 OCR。
评估 · 运维 · Evaluate & Operate
用数字衡量质量，并以版本进行管理
评估工具链
用黄金数据集与 LLM 评审以数字度量质量。
配置扫描与改进闭环
自动探索分块、检索模式、top-k 与重排器组合，并用排行榜比较。
流水线版本与可观测性
将检索、重排与生成设置作为可版本化资产管理，并对每次查询进行度量。
扩展 · 部署 · Extend & Deploy
面向领域微调，并部署到任何环境，包括隔离网
检索微调
针对领域术语与缩写微调嵌入与重排器。
代理远程部署与气隙
各主机的 Argus Agent 部署工作进程与推理服务器；隔离网以模型包引入。
标注与图像流水线
用 OCR 与 VLM 将文档内图像与扫描件知识化。
面向韩语文档的处理管线
HWP 合并表格、扫描版 PDF、脚注与多栏排版——通用 RAG 框架会悄悄丢失的文档，这里走专用路径。
- rhwp——面向 HWP/HWPX 的 Rust 解析器，保留合并表格结构
- kss 韩语分句——顾及助词与引号的边界
- VLM 与 PaddleOCR——从扫描件、图纸与图像中提取文字和说明
- 兼容 AI-Hub 的标注——bbox+文本标注的导入导出
可覆盖隔离网的部署
中央后端向各主机上的 Agent 远程部署，模型以离线包导入并在离线环境中提供服务，直接满足金融、公共与国防的网络隔离要求。
- servermgr → Agent :4501——远程安装、启动与停止工作节点、嵌入、重排、检测与 VLM
- GPU 变体自动选择——cpu、gpu(onnx)、gpu-torch
- zot OCI registry——容器镜像也可完全离线
- 模型注册表——导入离线包后，部署时自动安装到目标主机