- GitHub 仓库
- HKUDS/RAG-Anything
- 总 Stars
- ★ 24,599
- 主要语言
- Python
结论:RAG-Anything 是港大团队做的多模态 RAG 框架,24,599 星,MIT 协议。它的目标很直接:普通 RAG 只能啃纯文本,它要把 PDF、Office 文档里的图片、表格、公式一起理解进去,再回答问题。
它是什么
这个项目站在 LightRAG 的肩膀上,搭了一条完整的多模态处理流水线:先解析文档,再按内容类型分流——文字走文本通道,图片、表格、公式各有专门的分析器,最后统一建成一张多模态知识图谱。查询时向量检索和图检索一起上,按内容类型给结果排权重。技术报告已经发在 arXiv 上,感兴趣可以去读原文验证思路。
能干嘛
最适合啃那些“图文混排”的资料:学术论文、财报、产品手册、技术文档。装法很简单,一条 pip 命令就能装好,支持 MinerU、Docling、PaddleOCR 三种解析器。除了整篇文档灌进去,它还支持直接传已经解析好的内容列表,也支持换存储后端之后重新处理。24 个正式版本,说明功能一直在打磨。
装之前要准备什么?
Python 版本是第一个坑:项目要求 Python 3.10 及以上,但默认的 MinerU 解析器只支持到 Python 3.13,用 3.14 的话要么换 Docling 解析器,要么另建一个 3.13 环境。解析本身也依赖视觉模型,调用成本要提前算好,别拿几百页的财报直接开干。
适合谁
适合做企业知识库、论文助手、研报问答的开发者,也适合想研究多模态检索的研究者。手里有一堆图文混排文档、又觉得普通 RAG 答得不准的人,最值得试。
注意点
多模态解析比纯文本慢得多,也贵得多,先拿几页文档做小规模测试再决定规模。解析质量很大程度取决于选的解析器,MinerU、Docling、PaddleOCR 各有长短,别默认第一个就用到底。574 次提交、24 个版本,维护是活跃的,但大版本升级前最好看一眼更新说明。
站长点评:我选它是因为“图文混排”这个痛点是真实的——很多 RAG 项目一遇到带图的 PDF 就露馅,RAG-Anything 是少数把图片、表格、公式都当成一等公民来处理的。和纯文本 RAG 框架比,它重得多,但答得出的问题也多得多。24,599 星、MIT 协议、港大团队背书,可信度在线。我的判断是:做严肃知识库的人值得认真试,个人尝鲜先从小文档开始,别一上来就灌整个资料库。
⬇ 下载区(本站中转)
本站服务器实时中转 GitHub 文件,国内网络也可稳定下载;也可使用右侧官方链接。 本项目遵循 MIT 许可证。
要下载其他 GitHub 项目?试试本站的 GitHub 加速下载工具,粘贴链接即可中转。
