chunky

让 RAG 分块不再玄学，轻松对比策略、清洗文档、检查质量

chunky 是一个面向可靠 RAG（检索增强生成）管道的开源工具包，主要解决文档处理与分块环节中的痛点。它提供从 PDF 到 Markdown 的转换、文档清洗、分块质量检查、分块策略对比以及元数据丰富等功能，帮助开发者构建更稳定、更高质量的检索系统。核心能力包括：支持多种 PDF 解析方式并统一输出 Markdown，便于后续处理；内置文档清洗工具，可去除噪声内容；提供可视化或统计方式检查分块效果，避免语义割裂；支持对比不同分块策略（如固定大小、语义分块）对检索质量的影响；还能自动提取并补充元数据（如标题、页码、章节），增强检索上下文。整体上，chunky 试图成为 RAG 开发流程中的实用工具箱，降低实验和调优成本。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 180

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队GiovanniPasq

所属国家

官网地址

GitHubhttps://github.com/GiovanniPasq/chunky

定价模式free

价格说明开源工具包，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型chonkie,chunk-validation,chunking,chunking-algorithm,docling,document-chunking,document-extraction,document-processing,langchain,llms,markdown,pdf-processing,pdf-to-markdown,rag,rag-chunk,rag-evaluation,rag-pipeline,retrieval-augmented-generation,semantic-chunker,text-splitter

GitHub 星标★ 180

30天Star增速

HF 下载量

上线时间2026-03-06 00:00:00

最近更新2026-09-21 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

核心亮点

提供统一 PDF 转 Markdown 流程，简化多格式文档预处理
内置分块策略对比功能，可量化评估不同分块方式的效果
支持元数据自动补充，增强检索上下文和回答准确性

不足之处

项目处于早期阶段，文档和社区生态尚待完善
功能覆盖面广但深度可能不足，部分高级场景需自行扩展

适用场景

构建企业知识库问答系统时，需要清洗和分块大量 PDF 文档
对比不同分块策略对 RAG 检索效果的影响，进行实验调优
为 LLM 应用准备高质量文档数据，需要提取结构化元数据

替代项目

LlamaIndex、LangChain、unstructured

项目介绍

chunky 是搜索知识领域的开源项目，由 GiovanniPasq 开发，是 2026 年新上线的项目。

它收录于搜索知识分类，该分类目前共有 581 个项目，GitHub 星标数为 180。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-21。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：构建企业知识库问答系统时，需要清洗和分块大量PDF文档。同类可对比的替代方案包括 LlamaIndex、LangChain、unstructured。

上一篇：SwiftSemanticSearch

下一篇：PaperLens