txtai набирает 13 000 звёзд — и продолжает расти

Репозиторий txtai на GitHub перешагнул отметку в 13 200 звёзд и почти тысячу форков, закрепившись как один из самых популярных инструментов для работы с векторным поиском и большими языковыми моделями. txtai — это единый Python-пакет, который объединяет векторный поиск, граф-поиск и слой RAG в одной зависимости. Проект активно развивается: релизы v9.11.0, v9.12.0 и v9.13.0 вышли в течение двух месяцев — в июле и августе 2026 года.


Что такое txtai

txtai — это open-source AI-фреймворк от компании NeuML, построенный на Python 3.11+, Hugging Face Transformers, Sentence Transformers и FastAPI. Ключевой компонент — embeddings database (база эмбеддингов), которая объединяет:

  • векторные индексы (sparse и dense)
  • граф-сети (graph networks)
  • реляционные базы данных

Эта архитектура позволяет строить как простой векторный поиск, так и сложные RAG-конвейеры и агентские системы.

ℹ Лицензия
txtai распространяется под лицензией Apache 2.0 — разрешено коммерческое использование без ограничений.

Ключевые возможности

КомпонентОписание
🔎 Vector SearchSQL, object storage, topic modeling, граф-анализ, мультимодальная индексация
📄 EmbeddingsТекст, документы, аудио, изображения, видео
💡 PipelinesLLM-промпты, QA, классификация, транскрипция, перевод, суммаризация
↪️ WorkflowsОбъединение пайплайнов в бизнес-логику и микросервисы
🤖 AgentsАвтономные агенты на базе smolagents
⚙️ APIWeb API и поддержка MCP (Model Context Protocol)
☁️ ДеплойЛокально или в контейнерной оркестрации

Быстрый старт

Запустить базовый семантический поиск можно буквально в две строки:

import txtai

embeddings = txtai.Embeddings()
embeddings.index(["Correct", "Not what we hoped"])
embeddings.search("positive", 1)
# [(0, 0.29862046241760254)]

Стандартный пакет использует SQLite или DuckDB в качестве бэкенда по умолчанию — колесо версии 9.13.0 на PyPI весит всего 341 КБ, хотя стандартная установка также подтягивает PyTorch, Transformers и Faiss.

💡 Установка

Установить txtai можно одной командой:

pip install txtai

Для запуска через Docker достаточно одной строки конфигурации в app.yml.


Архитектура фреймворка


graph TD
    A[Данные: текст, аудио, изображения, видео] --> B[Embeddings Database]
    B --> C[Vector Index sparse + dense]
    B --> D[Graph Network]
    B --> E[Relational DB]
    C --> F[Semantic Search]
    D --> F
    E --> F
    F --> G[RAG Pipeline]
    F --> H[LLM Agents]
    F --> I[Workflows]
    G --> J[Ответ пользователю]
    H --> J
    I --> J


Что нового в последних версиях

За последние месяцы txtai прошёл путь от v9.4 до v9.10, сфокусировавшись на AI Agents и Edge/Local AI: добавлена поддержка LiteRT и LiteRT-LLM, реализован Zero dependency minimal install, появился Coding Agent Toolkit и поддержка agents.md, skill.md и памяти агентов.

Финальный релиз серии — v9.13.0 — добавил LEMUR (Learned Multi-Vector Retrieval), расширил возможности late-interaction retrieval и улучшил MUVERA и pooling.

Версия v9.5.0 принесла расширенные агентские возможности: agents.md, skill.md и поддержку памяти агентов.


Рекомендуемые модели

КомпонентМодель
Embeddingsall-MiniLM-L6-v2
Image CaptionsBLIP
Labels (Zero Shot)DeBERTa v3 Zeroshot
LLMGemma 4 31B
SummarizationDistilBART
Text-to-SpeechESPnet JETS
TranscriptionWhisper
TranslationOPUS Model Series

Позиция на рынке

«txtai выигрывает, когда нужен один Python-пакет вместо целого стека»

По итогам января 2026 года txtai вошёл в топ-10 RAG-фреймворков на GitHub. Он спроектирован лёгким и самодостаточным — идеально для приложений, которым нужно работать локально или в условиях ограниченных ресурсов.

Среди ключевых сценариев использования — семантический поиск, self-hosted RAG-системы, офлайн AI-приложения и оркестрация NLP-пайплайнов.

📝 Приложения на базе txtai
  • rag — приложение для Retrieval Augmented Generation
  • ncoder — open-source AI-агент для написания кода
  • paperai — AI для медицинских и научных статей
  • annotateai — автоматическая аннотация научных работ с помощью LLM

Почему это важно для отрасли

Пока рынок AI-инструментов переполнен фреймворками, требующими подключения к внешним сервисам и сложной инфраструктуры, txtai сохраняет дисциплину: один pip install, никаких внешних зависимостей. Мультимодальная поддержка (текст, изображения, аудио, видео), семантический поиск с SQL и граф-запросы, лёгкий footprint и работа полностью офлайн делают его привлекательным для команд, работающих с конфиденциальными данными или в условиях ограниченного доступа к интернету.

NeuML также анонсировала txtai.cloud — облачный хостинг для приложений на базе txtai, что открывает путь к монетизации экосистемы при сохранении open-source ядра.