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 2026-09-26 · 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。
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
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,···
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···
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,···
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
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 ···
gptshunter.com
开源
一站式发现优质 GPTs,告别选择困难
The first and largest GPTs database
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···
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···
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···
