VARAG

让 RAG 看懂图片，多模态问答更准确

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 48 🐛 待处理 4 👀 关注 4

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 501

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，本地部署，完全免费。

项目预览

项目数据

分类搜索知识

开发团队adithya-s-k

官网地址https://adithya-s-k.github.io/VARAG

GitHubhttps://github.com/adithya-s-k/VARAG

定价模式🏷️完全免费

价格说明开源项目，本地部署，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型colpali,multimodal-retrieval,rag

GitHub 星标★ 501

上线时间2024-03-18 00:00:00

代码更新2025-07-23

仓库体积9.7 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

VARAG 是一个以视觉优先的检索增强生成（RAG）引擎，旨在解决传统 RAG 系统对纯文本的依赖，无法有效处理图像、图表、扫描文档等视觉信息的问题。它通过视觉增强的检索与生成流程，让 AI 应用能够直接理解和利用多模态数据。核心能力包括：视觉文档解析、图像内容索引、跨模态检索、以及结合视觉上下文的生成。项目使用 Python 实现，提供了灵活的 API 接口，便于集成到现有 AI 工作流中。目前处于早期阶段（501 星标），但架构设计清晰，适合作为多模态 RAG 应用的底层基础设施。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 501

技术标签

rag

使用教程

难度：高级约 60 分钟部署方式：本地GPU 5 步

环境要求

CUDA 显卡
Python 3.10
模型权重

安装与启动步骤

1建环境

它锁具体的 Python 小版本。
```
conda create -n varag-venv python=3.10
```
2装核心包

以可编辑方式装。
```
pip install -e .
```
3需要识别就装附加项

光学识别能力是可选依赖。
```
pip install -e .["ocr"]
```
4跑演示界面

带网页界面，能直接对比。
```
python demo.py --share
```
5看热力图

它能给检索命中位置出热力图。
```
python examples/inference_colpali/demo_with_heatmaps.py
```