RAG-Anything 如何快速落地从零搭建你的多模态 RAG 知识库【免费下载链接】RAG-AnythingRAG-Anything: All-in-One RAG Framework项目地址: https://gitcode.com/GitHub_Trending/ra/RAG-AnythingRAG-Anything 是一个一体化多模态 RAG 框架RAG 即检索增强生成先检索相关资料再交给大模型回答。它能解析 PDF、Office 文档和图片里的图表、表格与公式把内容建成知识图谱并用向量与图混合检索来回答你的问题。它解决的正是传统检索的断链问题做文档问答的人大概都碰过这堵墙一篇 PDF 里图文混排传统 RAG 只认纯文本图片要么直接丢掉要么只留一句图 1的引用。等你问图 2 里哪条曲线是基线时检索回来的文本里根本没有答案的线索。表格和数学公式也常常被解析得面目全非。RAG-Anything 的做法是把文档拆解成文本块、图片、表格、公式四类内容各自走专门的处理通道再统一注入同一个知识库检索时一并召回。它构建在 LightRAG 之上检索端同时保留向量检索按语义相似度找内容和知识图谱两条路单框架内完成解析、建库、问答不用把多个工具拼在一起。差异落在体验上传统方案问到图表时往往只能返回一句如图 2 所示这套系统里图片在入库时已经被视觉模型描述过、表格被转成了结构化数据问答时证据链是完整的。最小部署步骤4 步跑通第一份文档装依赖。从源码安装最省事一条命令装好核心与 MinerU 解析器如果你需要处理 BMP、TIFF、WebP 这类扩展图片格式加上[image]可选依赖即可git clone https://gitcode.com/GitHub_Trending/ra/RAG-Anything cd RAG-Anything pip install -e . # 需要扩展图片格式时改为 pip install -e .[all]建配置。复制根目录的 env.example 为.env把LLM_BINDING_API_KEY换成你自己的密钥按需指定LLM_BINDING支持 openai、ollama、lmstudio、vllm 等、VISION_MODEL和嵌入模型相关配置。补外部依赖。如果要解析 Word、PPT、Excel 等 Office 文档先装 LibreOfficemacOS 用brew install --cask libreofficeUbuntu 用sudo apt-get install libreoffice否则 Office 文件会在解析阶段报错。验证环境。先跑仓库自带的示例脚本传入一个真实 PDF 和 API 密钥它会完成解析→入库→查询的完整闭环控制台会打印解析统计和问答结果python examples/raganything_example.py path/to/document.pdf \ --api-key YOUR_KEY --parser mineruexamples/ 里还有 Office 文档、图片格式、文本格式三类免 API 密钥的自检脚本适合先验证解析链路再上大模型。跑通之后你本地已经有一份能问的多模态知识库了。从解析到检索中间发生了什么整条链路是文档解析 → 内容分析 → 知识图谱 → 智能检索。每个环节做什么拆开看是这样的。文档解析拆块但不断章解析阶段由 MinerU 或 Docling 完成两者都支持 PDF、图片和 Office 系列格式。区别在于定位MinerU 的 OCR 和表格提取更强、支持 GPU 加速适合扫描件和复杂版面Docling 对 Office 与 HTML 的结构保持更好。parse_method有 auto、ocr、txt 三档拿不准就用 auto。解析器会把原始文件拆成文本块、图片、表格、公式四类内容同时保留页码、章节层级这些上下文信息——这一步决定了后面图 2 在第三章这类关联能不能被问答用上。模态处理每种内容都有专门的工位不同模态会被自动路由到各自的处理通道并行推进图片交给视觉模型VLM生成上下文感知的描述和实体标注表格被解读为结构化数据连趋势特征和表间关系都会提取公式转成 LaTeX保证学术工作流里能直接复用文本走常规分块。整个过程中原文的层级结构和元素间关系会一路保留。知识图谱把文档变成可遍历的网络内容入库后系统从中抽取实体并建立关系落成一张多模态知识图谱。文本实体和图片、表格组件之间会被建立跨模态的语义连接章节间的归属用归属于关系链维护每条关系边还带有基于语义邻近性的加权评分供检索时排序。这就是它和纯向量库方案最大的区别知识不只躺在向量空间里还是一张可以遍历的网。向量与图混合检索两路召回再合并查询时走混合检索hybrid 模式向量检索用嵌入模型算相似度负责语义相近的召回图检索则沿知识图谱的关系边做遍历负责找到实体周边相关联的内容。两路结果合并后做模态感知排序——系统会按查询本身偏好的内容类型调整权重——再交给大模型生成答案。文档里的图表从看不见的死图变成了可以被问答直接命中的知识。生产参数怎么调哪些坑要绕开调优参数大多集中在.env里几个最值得先认识的CHUNK_SIZE文档分块大小官方建议 500~1500默认 1200。块太大召回不精准太小上下文断裂。MAX_PARALLEL_INSERT同时入库的文档数官方建议小于MAX_ASYNC的一半机器弱就调小。COSINE_THRESHOLD / TOP_K向量检索的余弦相似度门槛默认 0.2与单次召回条数默认 60。答案噪音多就抬高阈值召回太少就加 TOP_K。MAX_GRAPH_NODES图检索最多返回的节点数图谱变大后如果响应变慢优先压这个。LLM_BINDING模型绑定方式生产高吞吐场景可以切到 vLLM参考 docs/vllm_integration.md。TIMEOUTLLM 调用超时秒默认 240长文档解析时不够就放宽。再列几个高频踩坑点。Office 文档解析失败九成是 LibreOffice 没装装完跑一遍office_document_test.py验证。内网离线部署时LightRAG 首次初始化会尝试联网下载 tiktoken 分词模型失败会直接导致实例起不来——先在联网机器上跑 scripts/create_tiktoken_cache.py 生成缓存再在.env里把TIKTOKEN_CACHE_DIR指过去细节见 docs/offline_setup.md。想要 GPU 加速把device参数设为cuda传给 MinerU 即可它的解析后端还支持 pipeline 和多种 vlm 引擎。批量处理文档时别自己开线程池逐个调单文件接口直接用process_documents_batch或 raganything/batch_parser.py 里的BatchParser并发数、进度条、错误恢复和单文件超时都是内置的文档见 docs/batch_processing.md。批量处理、vLLM 接入和离线部署的完整操作都写在 docs/ 目录里可以按需查阅。RAG-Anything 把解析、图谱、检索解耦成独立模块换解析器、换存储、换模型都能单独进行。跑通第一份文档后建议接着试多模态查询和自定义模态处理器把知识库扩展到你独有的内容类型上。【免费下载链接】RAG-AnythingRAG-Anything: All-in-One RAG Framework项目地址: https://gitcode.com/GitHub_Trending/ra/RAG-Anything创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考