存量 RAG 项目补上多模态短板RAG-Anything 接入 LightRAG 实战【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如果你的 RAG 服务已经基于 LightRAG 稳定运行现在想让它读懂 PDF 里的图表、公式和表格RAG-Anything 提供了一条 RAG 多模态升级路径复用现有 LightRAG 实例不重建知识库只把解析与查询层换成多模态管线。下面按现状、接入、验证三步说明。纯文本管线卡在哪一套只处理文本的 RAG 管线拿到 PDF 时通常只抽取正文文字。页内的架构图被丢掉数学公式变成空缺表格退化成几行没有结构的字符。用户问图 3 的流程是什么检索到的上下文里根本没有图的内容答案只能靠标题硬撑。财务报表里的数字同样进不了向量库问答只能给出文档中有相关描述这类空话。方案定位LightRAG 之上的多模态解析层RAG-Anything 定位是 All-in-One RAG 框架保留 LightRAG 的存储与检索内核在其上叠加文档解析和多模态处理器。检索沿用 LightRAG 的向量与知识图谱混合机制hybrid模式两者并用。维度纯文本 RAG接入 RAG-Anything 后PDF 图表、公式丢弃或留空解析后进入检索与图谱表格数据无法结构化转 Markdown 表格参与问答图像内容问答不支持配置视觉模型后自动走 VLM 查询接入现有 LightRAG 实例安装只需一条命令pip install raganything需要完整格式支持时用pip install raganything[all]。核心集成代码如下思路是把现有实例直接交给 RAG-Anythingfrom lightrag import LightRAG from raganything import RAGAnything # 现有 LightRAG 实例工作目录保持不变 lightrag LightRAG(working_dir./existing_lightrag_storage) # 复用该实例初始化 RAG-Anything已有知识库不重建 rag RAGAnything( lightraglightrag, vision_model_funcvision_model_func, # 视觉模型函数可选 ) # hybrid 模式走向量 图谱混合检索 result await rag.aquery(文档里的图表讲了什么, modehybrid)aquery支持 local、global、hybrid、naive、mix 等模式可按业务需要选择。升级后解析与检索覆盖什么解析层集成了 MinerU 与 Docling 两个解析器覆盖 PDF、Office 文档、图像和 TXT、MD 等文本文件。对研究型 PDF页内公式会以 LaTeX 形式保留图表带上页码和说明进入知识库。如果你的上游已有预解析结果可以跳过解析直接入库。insert_content_list接口接收结构化内容列表逐条支持 text、image、table、equation 四种类型其中图像项需提供绝对路径。这对数据管道已经产出解析产物的团队很实用省去二次解析成本。查询侧只要初始化时提供了vision_model_funcaquery会自动切换到 VLM 增强链路检索到的图片引用被转成 base64 一并交给视觉模型回答可以直接引用图里的内容而不是只读文字描述。批处理与解析器选型批量场景用process_folder_complete处理整个目录max_workers控制并发文件数file_extensions过滤目标格式。解析器按文档构成选MinerU- 通用选择PDF、图像、Office 文档都能处理Docling- Office 文档与 HTML 文件表现更稳几个常见的坑⚠️ 复用旧实例前先确认工作目录里确有有效数据Office 文档解析依赖 LibreOffice需要单独安装BMP、TIFF、GIF、WebP 等扩展图像格式要先装raganything[image]功能包TXT、MD 文本支持则对应raganything[text]。知识库迁移不重建解析层替换后即可上线。更多配置说明见 docs/本地部署参考 vLLM 集成文档核心实现在 raganything/ 源码目录。【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