
RAG-Anything
多模态文档一键变可问答知识库
项目预览
项目数据
项目介绍
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 2026-10-02 · 当前星标 ★ 24550
使用教程
环境要求
- Python 环境(可用 pip 或 uv 安装依赖)
- 可访问 PyPI 以执行 pip install raganything
- 源码安装需 git 并能访问 GitHub
- 如需 GPU 加速解析,需具备 CUDA 设备(--device cuda 或 device="cuda:0")
- 处理 Office/图片/文本格式需另行安装 LibreOffice、Pillow、ReportLab
安装与启动步骤
-
1PyPI 安装(推荐)
官方推荐的安装方式,直接在现有 Python 环境中安装依赖包,无需克隆仓库。
pip install raganything -
2源码安装
需要示例脚本或可选依赖时使用。先装 uv,再克隆仓库并在虚拟环境中同步依赖。
curl -LsSf https://astral.sh/uv/install.sh | sh git clone https://github.com/HKUDS/RAG-Anything.git cd RAG-Anything uv sync -
3试运行示例脚本
用 uv 直接执行示例脚本查看用法,能打印帮助信息说明环境已就绪。
uv run python examples/raganything_example.py --help -
4安装可选依赖
按需安装图片、文本等可选功能依赖,也可一次性安装全部额外特性。
uv sync --extra image --extra text uv sync --all-extras -
5验证 MinerU
MinerU 是文档解析的核心组件,能输出版本号表示安装成功。
mineru --version -
6命令行解析文档
使用 MinerU 把 PDF 解析成结构化结果,可选自动模式、OCR 模式或 GPU 加速。
mineru -p input.pdf -o output_dir -m auto mineru -p input.pdf -o output_dir -m ocr mineru -p input.pdf -o output_dir -b pipeline --device cuda -
7代码调用 RAG
在 Python 中调用 process_document_complete,指定解析方式、解析器与 MinerU 参数完成入库。
await rag.process_document_complete( file_path="document.pdf", output_dir="./output/", parse_method="auto", parser="mineru", lang="ch", device="cuda:0", ) -
8检查格式依赖
分别检查 LibreOffice、Pillow、ReportLab 是否装好,缺哪个补哪个,否则对应格式解析会失败。
python examples/office_document_test.py --check-libreoffice --file dummy python examples/image_format_test.py --check-pillow --file dummy python examples/text_format_test.py --check-reportlab --file dummy
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
parse_method | 否 | 解析方式:auto 自动、ocr 光学识别、txt 纯文本 | auto |
parser | 否 | 解析器选择:mineru、docling 或 paddleocr | mineru |
device | 否 | 推理设备,支持 cpu、cuda、cuda:0、npu、mps | cuda:0 |
backend | 否 | MinerU 解析后端,如 pipeline、vlm-http-client 等 | pipeline |
source | 否 | 模型来源:huggingface、modelscope 或 local | huggingface |
lang | 否 | 文档语言,用于 OCR 优化,如 ch、en、ja | ch |
如何确认成功
执行 mineru --version 能输出版本号,且 uv run python examples/raganything_example.py --help 能正常打印帮助信息,即安装成功。
常见问题
Q:应该选 PyPI 安装还是源码安装?
A:README 推荐 PyPI:pip install raganything 最省事;若要用 examples 示例或安装 image/text 等可选依赖,则用源码方式 git clone 后 uv sync。
Q:怎么启用 GPU 加速解析?
A:命令行加 --device cuda,例如 mineru -p input.pdf -o output_dir -b pipeline --device cuda;代码中传 device="cuda:0",CPU 环境则用 "cpu"。
Q:可选功能依赖怎么装?
A:在源码目录执行 uv sync --extra image --extra text 安装指定额外项,或执行 uv sync --all-extras 一次性安装全部可选特性。
Q:MinerU 2.0 还需要 magic-pdf.json 吗?
A:不需要。MinerU 2.0 已弃用该配置文件,所有设置改为命令行参数或函数参数传入。
注意事项
- MinerU 2.0 已不再使用 magic-pdf.json,配置全部通过命令行参数或 Python 函数参数传递。
- 源码安装推荐用 uv 管理虚拟环境,并用 uv run 执行脚本与示例。
- RAG-Anything 支持 MinerU、Docling、PaddleOCR 多种解析器,切换 parser 时注意各自支持的参数不同。
- Office/图片/文本格式功能依赖 LibreOffice、Pillow、ReportLab,可用 examples 下的检查脚本逐个确认。
核心亮点
- 把文本、图片、表格等多模态内容的解析、索引、检索整合进单一框架,减少自行拼装组件的成本
- 面向 PDF 等复杂排版文档设计,能保留图表和公式等非文本信息,提升检索召回质量
- Python 实现,社区星标超两万,文档和示例相对完整,上手门槛较低
不足之处
- 多模态解析依赖外部模型或服务,部署链路较长,对算力和环境有一定要求
- 作为一体化框架,深度定制或替换单个模块时可能不如专用库灵活
适用场景
- 企业把产品手册、财报 PDF 建成可图文问答的内部知识库
- 科研人员对含公式和图表的论文做跨模态检索与摘要
- 客服系统接入混合排版文档,回答用户关于图表数据的问题
替代项目
RAGFlow、LlamaIndex、Haystack
下一篇:HippoRAG
同类项目推荐
angular-search-experience
开源
用 Angular 打造带聊天和语音的智能搜索体验
Algolia + Angular =
ai-research-assistant
开源
用大白话提问,自动查资料写报告,省下几小时文献苦工。
Aria is Your AI Research Assistant Powered by GPT Large Language Models
ai-resources
开源
每天更新跨行业 AI 资源清单,一站跟全动态
100,000+ AI briefings in 41 categories: models, dev tools, agents, research, funding···
react-native-rag
开源
在手机本地跑 RAG,私密知识问答不联网
Private, local RAGs. Supercharge LLMs with your own knowledge base.
OnDevice-RAG-Android
开源
在手机本地跑 RAG,离线问答 PDF/DOCX 文档
A custom RAG pipeline for multi-document QA from PDF/DOCX documents, in Android
edgequake
开源
用 Rust 把文档变成知识图谱,让 AI 检索更聪明
EdegQuake High-performance GraphRAG inspired from LightRag written in Rust; Transfo···
lossless-memory
开源
不摘要不丢细节,每句话带时间戳随时翻旧账
Lossless long-term memory for a personal AI: never summarize, keep every line, put a···
Free-LLM-Collection
开源
一页清单找齐免费大模型 API,零成本上手开发
免费大模型API合集 / Free LLM api Collection
HilbertRaum
开源
断网也能问 AI,本地维基百科直接答
AI, fully local on your computer.