GitShelf — GitHub 项目目录

项目概述

RAG-Anything 是一个基于 LightRAG 构建的全能型多模态检索增强生成（RAG）框架，旨在解决传统文本 RAG 系统无法有效处理包含文本、图像、表格、公式和图表等多样化多模态内容的现代文档问题。它提供了一个统一的端到端管道，从文档摄取、解析到智能多模态查询回答，支持 PDF、Office 文档、图像等多种格式，并具备多模态知识图谱、混合智能检索等高级功能。

核心功能

端到端多模态管道：完整的文档摄取、解析和智能多模态查询回答工作流。
通用文档支持：无缝处理 PDF、Office 文档（DOC/DOCX/PPT/PPTX/XLS/XLSX）、图像和文本文件。
专门内容分析：针对图像、表格、数学公式和异构内容类型的专用处理器。
多模态知识图谱：自动实体提取和跨模态关系发现，增强文档理解。
自适应处理模式：基于 MinerU 的灵活解析或直接多模态内容注入工作流。
直接内容列表插入：绕过文档解析，直接插入来自外部来源的预解析内容列表。
混合智能检索：支持文本和多模态内容的先进搜索能力，具备上下文理解。
上下文感知处理：自动提取周围文本作为上下文，提高多模态分析的准确性。
批量处理：支持并行处理多个文档，提高吞吐量。
增强 Markdown 转换：提供高质量的 Markdown 转 PDF 功能，支持多种后端和样式。

适用与不适用场景

适用场景：

学术研究：处理包含公式、图表和表格的科研论文。
技术文档：解析包含代码、架构图和表格的技术手册。
财务报告：分析包含数据表格和趋势图的财务文件。
企业知识管理：统一处理混合内容的文档库。
需要多模态检索增强生成的任何场景。

不适用场景：

纯文本 RAG 需求：如果文档仅包含文本，使用 LightRAG 等轻量级框架可能更简单。
实时性要求极高的场景：多模态解析和知识图谱构建可能耗时较长。
资源受限环境：需要 GPU 加速以获得最佳性能，且依赖 LibreOffice 等外部软件。
离线环境：需要额外配置 tiktoken 缓存，否则无法初始化。

技术架构与依赖

RAG-Anything 基于 LightRAG 构建，采用多阶段多模态管道架构，包括文档解析、内容理解、多模态分析、知识图谱索引和模态感知检索。

主要依赖：

Python 3.10+
LightRAG（核心引擎）
MinerU（文档解析，可选 Docling、PaddleOCR）
OpenAI API（LLM 和嵌入模型，可通过 vLLM 等替代）
LibreOffice（处理 Office 文档）
可选：Pillow（图像格式）、ReportLab（文本文件）、tiktoken（离线缓存）

安装与快速开始

安装：

# 从 PyPI 安装（推荐）
pip install raganything
# 或安装所有可选依赖
pip install 'raganything[all]'

# 从源码安装
uv sync

快速开始：

import asyncio
from raganything import RAGAnything, RAGAnythingConfig

async def main():
    config = RAGAnythingConfig(working_dir="./rag_storage", parser="mineru")
    rag = RAGAnything(config=config, llm_model_func=..., embedding_func=...)
    await rag.process_document_complete(file_path="document.pdf")
    result = await rag.aquery("问题", mode="hybrid")
    print(result)

asyncio.run(main())

典型使用方法

端到端文档处理：使用 process_document_complete 处理单个文档，然后查询。
直接多模态内容处理：使用 ImageModalProcessor、TableModalProcessor 等处理图像、表格。
批量处理：使用 process_folder_complete 或 BatchParser 处理多个文档。
自定义模态处理器：继承 GenericModalProcessor 实现自定义内容类型。
查询选项：支持纯文本查询（aquery）、VLM 增强查询（自动启用）和多模态查询（aquery_with_multimodal）。
加载现有 LightRAG 实例：通过传递 lightrag 参数复用已有知识库。
直接内容列表插入：使用 insert_content_list 插入预解析内容。

配置与部署要点

环境变量：通过 .env 文件配置 OPENAI_API_KEY、PARSER、PARSE_METHOD 等。
解析器选择：支持 MinerU（默认）、Docling、PaddleOCR，各有优势。
MinerU 配置：通过命令行参数或函数参数配置语言、设备、公式/表格解析等。
上下文配置：通过 RAGAnythingConfig 或环境变量设置上下文窗口、模式等。
公共媒体 URL：设置 RAGANYTHING_PUBLIC_ASSET_BASE_URL 和 RAGANYTHING_PUBLIC_ASSET_STRIP_PREFIX 以生成可访问的 URL。
离线部署：设置 TIKTOKEN_CACHE_DIR 指向本地缓存，避免网络依赖。
vLLM 集成：支持使用 vLLM 作为 LLM 和嵌入后端，提高生产环境吞吐量。

限制、风险与许可证

限制：

依赖外部服务（如 OpenAI API）或需要本地模型部署。
处理大型文档或复杂多模态内容时可能耗时较长。
公共 URL 映射目前仅支持 MinerU 解析器。

风险：

解析质量可能受文档质量影响，如 OCR 错误、表格结构丢失等。
离线环境需要额外配置 tiktoken 缓存。
依赖 LibreOffice 等外部软件，需确保安装正确。

许可证： MIT 许可证。

官方链接

GitHub 仓库：https://github.com/HKUDS/RAG-Anything
arXiv 论文：https://arxiv.org/abs/2510.12323
PyPI 包：https://pypi.org/project/raganything/
相关项目：LightRAG (https://github.com/HKUDS/LightRAG)、VideoRAG、MiniRAG

信息来源和分析时间

信息来源：GitHub 仓库 README、docs 目录下的文档（batch_processing.md、context_aware_processing.md、enhanced_markdown.md、multimodal_rag_failure_modes.md、offline_setup.md、vllm_integration.md）。
分析时间：2026年5月21日（基于最新发布版本 v1.3.1 的日期）。

项目概览