TrustRAG是一款配置化模块化的Retrieval-Augmented Generation (RAG) 框架，旨在提供可靠的输入与可信的输出 ，确保用户在检索问答场景中能够获得高质量且可信赖的结果。
TrustRAG框架的设计核心在于其高度的可配置性和模块化，使得用户可以根据具体需求灵活调整和优化各个组件，以满足各种应用场景的要求。
源码地址：https://github.com/gomate-community/TrustRAG
TrustRAG框架模块示意图如下
DeepResearch功能 DeepResearch 功能
DeepResearch 框架通过分层查询、递归迭代以及智能决策等步骤，实现深度信息搜索和处理。本流程主要包含以下关键步骤：
意图理解（Intent Understanding） 用户输入查询后，系统会将其解析为多个子查询，以便更精确地理解用户需求。
处理条件判断 系统会根据如下条件判断是否继续执行：
Token 预算是否超出
动作深度是否超出
如果满足上述条件，则终止查询并直接返回答案；否则进入递归执行步骤。
递归执行步骤 在递归执行过程中，系统执行信息检索、模型推理及上下文处理等任务 信息检索
获取当前问题
构建问题执行序列
递归遍历
深度优先搜索 -模型推理
系统进行模型推理，通过系统提示和上下文理解来判断下一步动作。
动作类型判定 根据推理结果，系统决定下一步执行的动作类型：
answer：回答动作
reflect：反思动作
search：搜索动作
read：阅读动作
coding：代码动作
这些动作会影响上下文，并不断更新系统状态。
结果反馈 根据最终的动作类型，系统执行相应的任务，并将结果返回给用户，完成整个流程。
DeepResearch流程示意图如下：
运行cli工具： 运行 cli 工具：
cd trustrag/modules/deepsearch
cp .env.example .env #配置LLM API以及搜索
python pipeline.py
安装
方法1：使用pip安装
创建conda环境（可选）
conda create -n trustrag python=3.9
conda activate trustrag
使用 pip 安装依赖
pip install trustrag
方法2：源码安装
下载源码
git clone https://github.com/gomate-community/TrustRAG.git
安装依赖
pip install -e .