作者过去十年为企业构建搜索，最终将实践整合为一个统一平台，并以 Apache 2.0 开源：Viglet Turing ES。它的设计围绕三个关键决策，一个命令即可运行。
1. 运行在你已有的引擎之上
不替换 Solr / Elasticsearch / Lucene，而是作为上层统一查询 API。混合检索融合 BM25 与向量结果（Reciprocal Rank Fusion），可插拔重排序（LLM / cross-encoder / Cohere）。空环境可用嵌入式 Lucene，单容器运行。模型支持 OpenAI / Anthropic / Gemini / Azure 或完全本地 Ollama，断网部署时所有组件本地运行。
2. 可审计的回答，包括“无答案”
RAG 聊天流式返回内联引用，追溯到源头段落。LLM 前有相关门控过滤弱匹配，生成后可选 groundedness check 标记来源不支持的陈述。索引内无匹配时，助手给出确定的“not covered here”而非编造。这一行为在受监管组织中至关重要。
3. 基于同一索引的 Agent
搜索与 RAG 共享索引后，Agent 可操作内容而不仅仅是回答。支持工具调用、Docker 沙箱技能、MCP 服务器连接，同一个助手既能引用文档也能调用内部 API。
一条命令即可本地运行（无需账号、无遥测）：
docker run -p 2700:2700 ghcr.io/openviglet/turing-ce ，控制台访问 http://localhost:2700/console（首次启动用 TURING_ADMIN_PASSWORD 环境变量设置管理员密码）。搜索和 RAG 聊天均提供 REST API，另有 TypeScript SDK（零依赖版与 React 版）。在线演示基于同一 SDK 运行在 Turing 自身文档上，安装前即可看到带引用的回答。GitHub: github.com/openviglet/turing-ce
#开发者 #工具 #VigletTuringES #企业搜索 #RAG #开源 #Solr #Elasticsearch #Lucene #自托管
@DevToolboxHub