chunkr

复杂文档一键变 RAG 可用的结构化分块数据

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。

开源 freemium 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4152

维护状态较活跃

是否开源是

定价模式 freemium

项目数据

分类搜索知识

开发团队lumina-ai-inc

所属国家

官网地址https://chunkr.ai

GitHubhttps://github.com/lumina-ai-inc/chunkr

定价模式freemium

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

是否开源是

开源协议AGPL-3.0

主要语言Rust

技术栈/模型

GitHub 星标★ 4152

30天Star增速

HF 下载量

上线时间2024-08-24 00:00:00

最近更新2026-09-25 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2026-09-26

浏览次数0

使用教程

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

项目介绍

chunkr 是搜索知识领域的开源项目，由 lumina-ai-inc 开发，2024 年首次发布。

在全站 13,109 个收录项目中，它的 GitHub 星标数（4,152）位列前 10%，在搜索知识分类的 586 个项目里位列前 12%。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-25。提供免费额度，付费按量计费。

它主要面向的使用场景是：企业把合同、财报、扫描件批量转成知识库供RAG问答。同类可对比的替代方案包括 Unstructured、LlamaParse、Docling。

上一篇：medical-rag

下一篇：没有了！