agentic-rag-financial-parser

轻量级金融文档 RAG，512MB 内存跑 3 万+语义块

agentic-rag-financial-parser 是一个面向金融文档的企业级 RAG（检索增强生成）生态系统，旨在解决金融领域大量非结构化文档（如财报、研报、招股书）的解析、索引和检索难题。项目当前管理超过 32000 个语义块，支持混合解析（LlamaParse 和 PyMuPDF），能够处理 PDF 等复杂格式。核心亮点是采用 256 维 MRL（Matryoshka Representation Learning）嵌入，显著降低内存占用，可在 512MB RAM 的轻量环境中运行，适合边缘计算或资源受限的部署场景。项目提供完整的 RAG 流程，包括文档解析、语义分块、向量索引和检索接口，并可能集成 agent 机制以增强查询理解和结果生成。作为早期项目（103 星），它展示了在金融垂直领域构建高效、低成本 RAG 系统的技术路径。