把企业杂文档自动切块向量化，喂给 Azure 搜索做多模态 RAG
gpt-rag-ingestion 是微软 GPT-RAG 方案中的数据摄取服务，专门解决企业把杂乱文档喂给 Azure AI Search 前的清洗与向量化问题。它支持 PDF、图片、表格、会议转录和 SharePoint 等多种来源，自动完成文档解析、智能分块、文本与图像嵌入生成，并把结果写入搜索索引，从而支撑多模态检索增强生成（RAG）。核心能力包括：按语义而非固定长度切分内容，避免上下文割裂；同时生成文本和图片向量，让图表、扫描件也能被检索；与 Azure 生态（Azure AI Search、Azure OpenAI、Document Intelligence）深度集成，适合已有微软云资源的企业快速搭建知识库。项目用 Python 编写，以服务形式运行，可被上游编排层调用。
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
unstructured、llama_index、haystack
gpt-rag-ingestion 是搜索知识领域的开源项目，由 Azure 开发，2023 年首次发布。
它收录于搜索知识分类，该分类目前共有 603 个项目，GitHub 星标数为 188。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-25。开源免费，需自行部署至Azure。
它主要面向的使用场景是：企业把历史PDF、Word、Excel批量导入AzureAISearch建知识库。同类可对比的替代方案包括 unstructured、llama_index、haystack。
上一篇：geo-seo-claude
下一篇：没有了！
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
WeKnora
开源
文档往里一扔，自动变成啥都能答的知识库
Open-source LLM knowledge platform: turn raw documents into a queryable RAG, an auto···
