serviette 是一款基于 Pathway 框架开发的无代码实时 RAG（检索增强生成）服务。它通过单一配置文件即可快速对接多种向量数据库，并让文档的增删改在几秒内自动同步至问答结果中，彻底解决了传统 RAG 架构配置复杂、更新滞后和手动重建索引的痛点。

核心特性：
– 零代码配置：仅需编写一个 YAML 文件，或使用内置交互式向导自动生成配置。
– 广泛的向量数据库支持：默认内置 DuckDB 实现零部署开箱即用，同时原生兼容 pgvector、Qdrant、Milvus、ChromaDB、Weaviate、Pinecone 及 MongoDB Atlas Vector Search 共八大后端。
– 实时增量同步：内置 Live Data 引擎持续监控数据源，任何文件编辑、新增或删除都会自动转换为向量库的 Upsert/Delete 操作，答案数秒内随之更新，无需人工重新索引。
– 多源数据与多模态解析：支持本地目录、Google Drive、S3/MinIO、SharePoint、FTP/SFTP 等多种来源；原生解析文本、Markdown、PDF、Office 文档与扫描图片，并可按需接入 API 处理音频与视频。
– 解耦可扩展架构：索引器（写入路径）与服务端（读取路径）完全独立，服务端可横向扩展，索引器可按需分片。大语料处理下内存占用恒定，不互相阻塞。
– 高级检索优化策略：提供混合检索（BM25+向量语义）、模型重排序、自适应 RAG、查询分解、最大边际相关性（MMR）及文档级问答等五种可选策略，显著提升复杂场景下的回答准确率。
– 即插即用的服务接口：同一端口同时提供类 ChatGPT 风格的 Web 聊天界面与版本化 REST API，便于直接集成或二次开发。

快速上手示例：
安装前请确保使用 pip 23.1 或更高版本，并申请免费的 Pathway 授权密钥。以下为快速体验命令：

pip install serviette
export PATHWAY_LICENSE_KEY=...        # 获取免费授权
export OPENAI_API_KEY=sk-...          # 可选，用于生成连贯的自然语言回答
serviette demo --embedder openai      # 启动后访问 http://localhost:8989 即可开始提问

若需基于自有文档进行完整部署，可使用配置向导并一键拉起服务：

serviette wizard                          # 交互生成 config.yaml
serviette up --config config.yaml         # 同时启动索引器与 API 服务

针对生产环境，推荐分别执行 serviette indexer 与 serviette server 以实现独立运维。

适用场景与目标用户：
该项目主要面向需要快速为组织内部知识库、企业手册或技术 Wiki 构建智能问答助手的团队。它特别适合以下几类用户：
1. 开发与运维人员：希望跳过繁杂的数据管道编写工作，通过声明式配置快速验证或上线 RAG 方案。
2. 高频文档维护者：产品说明、合规文档或研发团队的知识库需要频繁迭代，要求搜索与问答结果能分钟级响应内容变更。
3. 重视数据私有的企业 IT 团队：默认所有向量与嵌入计算均可在本地完成，文档数据不出域，仅必要时向 LLM 发送少量检索片段，满足安全合规要求。

总结：
serviette 以极简的配置方式和坚实的实时同步能力，有效降低了企业级 RAG 系统的落地门槛。其底层引擎经过多家大型机构的实际业务验证，在内存控制、索引速度及 FRAMES 基准测试中均表现出稳定的性能指标。当前版本专注于单轮问答与实时索引，多轮记忆、用户权限管控及云端托管功能暂未内置，但整体架构已为后续扩展预留了充足空间。对于追求稳定、可控且易于集成的 RAG 基础设施而言，它是一个极具潜力的选择。如需了解详细的参数配置、深度调优指南或贡献规范，建议访问其主页获取更详细信息。