Muffakir

你好，Product Hunt 👋

我是 Mohamed，Muffakir 的创始人。

在构建 RAG 系统的过程中，我反复遇到一个问题，于是有了创建 Muffakir 的想法：搭建一个流水线相对容易，但要弄清楚哪条流水线最适合你的数据，却难得多。

分块策略、嵌入、检索、重排序、查询改写、Top-K、模型、提示词……需要做的决策非常多，而实验很快就会变成一个不断循环的过程：改配置、重新跑测试、手动对比结果。

于是我们开始构建 Muffakir。

今天分享的版本是一个开源、本地优先的 RAG 实验工作台。你提供数据，定义想要探索的配置，Muffakir 会把它们转化成可复现的试验。

你可以从检索质量和生成质量两个维度评估这些试验，对比延迟和成本，检查实际发生了什么，并将你想要的配置导出回 Python。

但这个开源项目只是我们想要构建之物的起点。

我们更大的愿景是面向整个 RAG 生命周期的低代码平台。

我们希望开发者能够提供数据，通过可视化方式构建并实验不同的 RAG 架构，对它们进行评估和验证，然后一键部署所选的配置。

平台将在背后负责 API、计算实例、数据与向量基础设施、部署以及可观测性等一切工作。

最终，我们希望完全打通闭环：

配置 → 实验 → 评估 → 部署 → 观察 → 改进

生产环境中的失败和真实的用户查询应该成为新的评估用例，进而驱动下一轮实验和改进。

从更长远来看，我们相信同样的工作流可以从 RAG 扩展到智能体系统。

我们知道，这个愿景远大于我们今天发布的产品。这一点是有意为之。

我们决定从一个昂贵的平台和一堆假设出发，不如先从实验层开始，将其开源，交付到真实的开发者面前，再从大家实际的使用方式中学习。

所以在这个阶段，反馈对我们来说真的比任何东西都更有价值。

如果你也在构建 RAG 系统，我特别想知道：

你今天是如何实验架构变更的？

在你愿意在真实项目中使用 Muffakir 之前，它还需要具备什么？

更大的「实验 → 部署 → 可观测性」愿景，是否真正解决了你团队面临的问题？

感谢你关注我们的项目——欢迎提出批评意见。这也是我们选择在这么早期就发布它的原因。

—— Mohamed

Muffakir 创始人