chunkr

复杂文档一键变 RAG 可用的结构化分块数据

开源 🏷️基础免费,高级付费 ✅ 目前可打开 搜索知识 🍴 复刻 278 🐛 待处理 19 👀 关注 22
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 4157
维护状态 维护中
是否开源 开源
定价模式 🏷️基础免费,高级付费 支持限时试用 · 提供免费额度,付费按量计费,定价信息待确认

项目预览

chunkr 项目界面预览图
图片来源:项目官网

项目数据

分类搜索知识
开发团队lumina-ai-inc
官网地址https://chunkr.ai
定价模式🏷️基础免费,高级付费
价格说明提供免费额度,付费按量计费,定价信息待确认
访问状态✅ 目前可打开
是否开源是
开源协议AGPL-3.0
主要语言Rust
GitHub 星标★ 4157
上线时间2024-08-24 00:00:00
代码更新2026-09-09
仓库体积621.7 MB
本站数据更新2026-11-10
维护状态维护中
收录时间2026-09-26
浏览次数1

项目介绍

Chunkr 是一个用 Rust 构建的文档解析与视觉基础设施,专门把复杂文档(PDF、扫描件、表格、图文混排)转换成 RAG 和 LLM 可直接使用的结构化数据。它解决的核心问题是:传统文本抽取工具面对版面复杂、含图片表格的文档时,容易丢结构、丢上下文,导致检索和问答效果差。Chunkr 通过视觉模型识别版面元素,做智能分块(chunking)、表格提取、图片描述和 OCR,输出带层级和语义边界的 chunk,方便直接灌入向量库或大模型。项目提供 API 和自托管方式,强调高吞吐与可扩展,适合需要批量处理企业文档、构建知识库的团队。Rust 实现带来较好的性能和资源效率。

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 2026-09-26 · 当前星标 ★ 4157

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:入门 约 10 分钟 部署方式:Docker 6 步

环境要求

  • 已安装 Docker 与 Docker Compose
  • GPU 部署需安装 NVIDIA Container Toolkit(可选,CPU 部署不需要)
  • 本地已克隆仓库(git clone 后进入 chunkr 目录)

安装与启动步骤

  1. 1准备 Docker 环境

    按 README 前置要求安装 Docker 和 Docker Compose;若要 GPU 加速,还需额外安装 NVIDIA Container Toolkit。

  2. 2克隆项目仓库

    从 GitHub 拉取 chunkr 源码并进入项目目录,后续 compose 命令都在此目录执行。

    git clone https://github.com/lumina-ai-inc/chunkr
    cd chunkr
  3. 3配置 LLM

    README 给出两种方式:models.yaml 文件(可配多个 LLM 及高级选项)或环境变量(只配单个 LLM)。

  4. 4启动服务(GPU)

    有 NVIDIA GPU 时,直接用默认 compose 配置后台启动全部服务。

    docker compose up -d
  5. 5启动服务(CPU)

    没有 GPU 时,叠加 compose.cpu.yaml 以纯 CPU 方式后台启动。

    docker compose -f compose.yaml -f compose.cpu.yaml up -d
  6. 6停止服务

    需要关闭时,按对应的部署方式执行 down;CPU 部署记得带上 compose.cpu.yaml。

    docker compose down
    docker compose -f compose.yaml -f compose.cpu.yaml down

关键配置

配置项必填说明示例
models.yaml否高级 LLM 配置:可配置多个 LLM 及额外选项models.yaml
环境变量否简单 LLM 配置方式,仅用于配置单个 LLM(README 未列出具体变量名)在部署环境中注入 LLM 相关环境变量

如何确认成功

README 未提供验证命令,可用 docker compose ps 查看容器是否处于运行状态,确认服务已启动。

常见问题

Q:没有 GPU 可以部署吗?

A:可以。README 明确支持 CPU-only 部署,只需在 compose 命令后叠加 compose.cpu.yaml 文件即可,GPU 相关的 NVIDIA Container Toolkit 是可选项。

Q:开源自托管版和官网云 API 有什么区别?

A:README 说明两者不同:开源 AGPL 版使用社区/开源模型,云 API 使用自研专有模型,在准确率、速度和可靠性上更高。

Q:如何配置使用的 LLM?

A:支持两种方式:models.yaml 文件用于配置多个 LLM 及高级选项,环境变量方式用于简单配置单个 LLM,按需二选一。

Q:怎么关闭已经启动的服务?

A:执行 docker compose down;如果是 CPU 部署,需要写成 docker compose -f compose.yaml -f compose.cpu.yaml down 才能正确停止。

注意事项

  • 开源版与 chunkr.ai 云 API 是两套不同实现,模型来源不同,效果存在差异。
  • GPU 部署前请先确认 NVIDIA Container Toolkit 已正确安装,否则容器无法使用显卡。
  • CPU 与 GPU 两种启动方式必须使用不同的 compose 组合,不要混用。
  • README 未给出具体环境变量名、端口号和服务地址,配置前建议查看仓库内 models.yaml 与 compose 文件。

核心亮点

  • 用视觉模型理解版面,表格、图片、多栏排版也能保留结构,比纯文本抽取更适合 RAG
  • Rust 实现,性能和资源效率较好,适合批量文档处理
  • 输出带语义边界的 chunk,可直接对接向量库和 LLM,减少二次清洗

不足之处

  • 依赖视觉模型,本地部署对 GPU 或推理服务有要求,轻量场景成本偏高
  • 项目仍在成长期,生态集成和周边工具相比成熟方案还不够丰富

适用场景

  • 企业把合同、财报、扫描件批量转成知识库供 RAG 问答
  • 开发者构建文档问答应用时,需要高质量分块和表格提取
  • 研究或数据团队处理图文混排 PDF,抽取结构化内容做分析

替代项目

Unstructured、LlamaParse、Docling

上一篇:medical-rag

下一篇:crw

同类项目推荐

kensaku 开源

本地搜文档、代码和截图,还能给 AI 代理调用

Search inside documents, code, and even screenshots - instantly and locally. A free,···

★ 1503 2026-10-30
geo-score 开源

给你的网站做 AI 引用体检,打分+追踪一次搞定

Can AI engines cite your site, and do they? Free 0–100 readiness score on an open G···

★ 34 2026-09-28
orangeo-ai-visibility-skill 开源

一键扫描,让品牌在AI搜索中脱颖而出

Open-source GEO / AEO skill for AI visibility readiness: check robots.txt, llms.txt,···

★ 145 2026-08-09
bRAG-langchain 开源

跟着教程一步步搭出你自己的 RAG 问答系统

Everything you need to know to build your own RAG application

★ 4198 2026-08-09
Awesome-LLM-RAG 开源

一份清单,带你快速摸清 RAG 全貌

Awesome-LLM-RAG: a curated list of advanced retrieval augmented generation (RAG) in ···

★ 1373 2026-08-09
gptshunter.com 开源

一站式发现优质 GPTs,告别选择困难

The first and largest GPTs database

★ 75 2026-08-09
AI-Search-py 开源

用大白话提问,直接拿到整理好的网页数据

Turn plain English queries into structured web data, featuring automated markdown ex···

★ 422 2026-08-09
crw 开源

极速轻量爬虫+搜索API,AI智能体即插即用

Fast, lightweight Firecrawl/Tavily alternative in Rust. Web scraper, crawler & searc···

★ 1237 2026-08-09
chatgpt-json-tree-viewer 开源

离线打开对话导出,秒变分支树状图,理清AI聊天脉络

A standalone, offline HTML viewer for exploring and visualizing ChatGPT, DeepSeek, C···

★ 79 2026-08-09