HKUDS/RAG-Anything
AI 工程面向包含图片、表格和公式的混合文档,提供从解析、建索引到多模态检索问答的一体化 RAG 框架。
项目介绍
RAG-Anything 是一个 Python 框架,用来对同时包含文字、图片、表格和公式的文档做检索增强生成。它构建在 LightRAG 之上,把几个环节整合进同一个包:通过 MinerU、Docling 或 PaddleOCR 做文档解析;为视觉、表格和数学内容分别提供处理器;抽取多模态实体与关系并写入知识图谱;再用向量相似度和图遍历融合的混合检索完成召回 README。
流水线会并行处理文本和多模态内容,同时保留原文档的层级结构。解析出的元素被转换为结构化图谱实体,检索时再由模态感知的排序机制综合打分 README。它适合为论文、技术文档、财报或企业知识库搭建 RAG 应用的人——这类文档如果只做纯文本检索,就会丢掉图表和表格里的信息。
RAG-Anything 还支持增强查询:把检索到的图片交给视觉模型,因此可以直接针对图表和插图回答问题,而不只依赖图片说明文字 README。技术报告见 arXiv。
快速开始
RAG-Anything 支持 Python 3.10 及以上。但默认的 MinerU 解析器只支持 Python 3.10 到 3.13;在 Python 3.14 上安装时不带 MinerU,需要改用 Docling 解析器,即 RAGAnythingConfig(parser="docling") README。
- 从 PyPI 安装:
pip install raganything
pip install 'raganything[all]' # 可选格式支持;不含 Docling
-
处理 Office 文档(.doc、.docx、.ppt、.pptx、.xls、.xlsx)需要安装 LibreOffice,例如 macOS 上
brew install --cask libreoffice,Debian/Ubuntu 上sudo apt-get install libreofficeREADME。 -
创建
.env文件写入模型凭据:
OPENAI_API_KEY=your_openai_api_key
OPENAI_BASE_URL=your_base_url # 可选
OUTPUT_DIR=./output
PARSER=mineru
PARSE_METHOD=auto
- 处理文档并提问。下面的示例使用端到端 API 和 OpenAI 兼容模型,请把 API key 和路径替换为自己的值:
import asyncio
from functools import partial
from raganything import RAGAnything, RAGAnythingConfig
from lightrag.llm.openai import openai_complete_if_cache, openai_embed
from lightrag.utils import EmbeddingFunc
async def main():
config = RAGAnythingConfig(
working_dir="./rag_storage",
parser="mineru",
parse_method="auto",
enable_image_processing=True,
enable_table_processing=True,
enable_equation_processing=True,
)
rag = RAGAnything(
config=config,
llm_model_func=lambda prompt, **kwargs: openai_complete_if_cache(
"gpt-4o-mini", prompt, api_key="your-api-key", **kwargs
),
embedding_func=EmbeddingFunc(
embedding_dim=3072,
max_token_size=8192,
func=partial(openai_embed.func, model="text-embedding-3-large", api_key="your-api-key"),
),
)
await rag.process_document_complete(file_path="document.pdf", output_dir="./output/")
print(await rag.aquery("总结文档中的图表和表格", mode="hybrid"))
asyncio.run(main())
也可以直接用单文件命令行示例:python examples/raganything_example.py path/to/document.pdf --api-key YOUR_API_KEY --parser mineru README。
使用约束
- 解析器在创建
RAGAnything对象时确定,通过RAGAnythingConfig(parser=...)或PARSER环境变量设置,不能在每次process_document_complete()调用时切换 README。 - 不支持 MinerU 4.x。框架驱动的是 MinerU 3.x;如果
mineru --version显示 4.x,需要在同一环境里安装 3.x 版本 README。在精简的 Linux 或 Docker 镜像上,MinerU 还需要 OpenCV 依赖的系统库,例如libxcb.so.1和libGL.so.1README。 - 可选格式各有自己的依赖:扩展图片格式需要
raganything[image],文本文件需要raganything[text],音频需要raganything[audio]并设置enable_audio_processing=True,视频需要raganything[video]、PATH 中有ffmpeg,并设置enable_video_processing=TrueREADME。 - HTML 文件只能由 Docling 解析器处理,MinerU 和 PaddleOCR 会直接报错 README。
- 切换图存储或向量存储后端后重新索引文档时,需要传
force_multimodal_reprocess=True,否则多模态实体和关系不会写入新后端 README。 - Markdown 中指向本地文件的图片引用会被发送给配置的视觉模型,因此只应导入图片来源可信的 Markdown README。
- RAG-Anything 使用 MIT 许可证。
HotRepo 点评
在 2026-11-17 的 Python 日榜上,RAG-Anything 排在第 12 位,当日新增 9 个 Star,累计约 2.46 万 Star、2.9 千 Fork snapshot。单条快照无法支撑趋势判断,但说明这个 2025 年 6 月创建的仓库在数月后仍有每日关注。对读者来说,它的差异点在流水线的覆盖面:一个包同时覆盖解析、多模态图谱索引和视觉增强问答,比多数偏文本的 RAG 库做得更宽。代价是配置面也更大——解析器版本、系统库和可选依赖都需要与实际要导入的格式相匹配。
本文由 AI 根据项目 README 生成,更新于 ,以项目官方文档为准。
相关推荐
- JackWang666666/my-rag一套前端加两个功能等价后端的 RAG 知识库系统,让人在共享数据上对比 Python/LangChain 与 Java/Spring AI。
- VectifyAI/PageIndex面向长专业 PDF 的推理式 RAG,用 LLM 沿文档树检索,取代向量相似度。
- Marker-Inc-Korea/AutoRAG本地个人图书管理员 Agent,索引文件、邮件和聊天记录,回答问题并标注出处。
- infiniflow/ragflow自托管的 RAG 与文档理解引擎,把杂乱的 PDF、Office 文件变成带引用的 LLM 上下文。
- neuml/txtai面向语义搜索、RAG、LLM 工作流与智能体的 Python 一体化框架,核心是嵌入数据库。