Mecanismo RAG open source que combina geração aumentada por recuperação com recursos de agentes para oferecer uma camada de contexto a aplicações com LLMs.
92,5 mil11 milGoApache-2.0Atualizado há 5 horas
HKUDS/RAG-Anything
Framework RAG completo para consultar documentos que combinam texto, imagens, tabelas e equações, desenvolvido sobre o LightRAG.
- Estrelas
- 23,899
- Forks
- 2,787
- Issues abertas
- 123
- Último commit
- há 9 dias
O que é?
RAG-Anything é um framework de geração aumentada por recuperação (RAG) para documentos que vão além do texto simples. Pipelines RAG convencionais têm dificuldade para lidar com figuras, tabelas e fórmulas matemáticas; este projeto processa esses elementos em um único pipeline, junto com o texto ao redor.
Ele processa PDFs e arquivos do Office (DOC, DOCX, PPT, PPTX, XLS, XLSX) usando MinerU, com Docling e PaddleOCR também disponíveis como parsers. Imagens, tabelas e equações são encaminhadas a processadores específicos, que geram descrições e entidades; depois, essas informações são adicionadas a um grafo de conhecimento desenvolvido sobre o LightRAG. As consultas são feitas nesse grafo com recuperação híbrida, e um modelo de visão pode analisar imagens encontradas no contexto recuperado.
O projeto oferece uma API Python para processamento de documentos de ponta a ponta, processamento em lote de pastas, inserção direta de listas de conteúdo pré-processado e consultas multimodais que aceitam tabelas ou equações em LaTeX como entrada. Ele está publicado no PyPI como `raganything`.
Recursos principais
- 01Processa PDFs e documentos do Office em texto, imagens, tabelas e equações.
- 02Encaminha elementos multimodais a processadores específicos para gerar legendas e analisá-los.
- 03Cria um grafo de conhecimento com relações entre modalidades sobre o LightRAG.
- 04Oferece modos de consulta híbrido, local, global e ingênuo para consultas de texto.
- 05Aceita listas de conteúdo pré-processado para dispensar a etapa de parsing.
- 06Permite processar em lote pastas inteiras de documentos.
Casos de uso
- Responder a perguntas sobre artigos de pesquisa que dependem de figuras e fórmulas.
- Pesquisar relatórios financeiros ou técnicos cujos dados principais estão em tabelas.
- Criar bases de conhecimento corporativas a partir de documentos do Office em formatos variados.
- Integrar a um índice RAG resultados de processamento de documentos feitos por ferramentas externas.
Antes de usar
- A análise de documentos depende do projeto MinerU, que adiciona uma dependência à configuração.
- A análise de imagens requer um modelo de visão, então você precisará ter acesso a um.
Tópicos
Perguntas frequentes
- O que é RAG-Anything?
- Framework RAG completo para consultar documentos que combinam texto, imagens, tabelas e equações, desenvolvido sobre o LightRAG. RAG-Anything é um framework de geração aumentada por recuperação (RAG) para documentos que vão além do texto simples. Pipelines RAG convencionais têm dificuldade para lidar com figuras, tabelas e fórmulas matemáticas; este projeto processa esses elementos em um único pipeline, junto com o texto ao redor.
- RAG-Anything é gratuito? Qual é a licença?
- RAG-Anything é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- RAG-Anything ainda é mantido?
- Manutenção ativa. O último commit de RAG-Anything foi em 12 de out. de 2026.
- Para que posso usar RAG-Anything?
- Responder a perguntas sobre artigos de pesquisa que dependem de figuras e fórmulas. Pesquisar relatórios financeiros ou técnicos cujos dados principais estão em tabelas. Criar bases de conhecimento corporativas a partir de documentos do Office em formatos variados. Integrar a um índice RAG resultados de processamento de documentos feitos por ferramentas externas.
- Onde consigo RAG-Anything?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/HKUDS/RAG-Anything
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Parser de documentos open source que converte PDFs, arquivos do Office e imagens em Markdown ou JSON para fluxos de trabalho com LLMs e agentes.
82,1 mil6,8 milPythonOtherAtualizado ontem
Parser de documentos open source que converte PDFs, arquivos do Office, HTML e outros formatos em dados estruturados para pipelines de IA generativa.
69,1 mil5,1 milPythonMITAtualizado há 23 horas
Um framework leve de RAG com grafo de conhecimento e servidor que indexa documentos como entidades e relações para gerar respostas de LLM com recuperação de informações.
40,2 mil5,7 milPythonMITAtualizado há 5 dias
Pipeline de dados em Python que usa LLMs para extrair grafos de conhecimento estruturados de textos não estruturados e responder perguntas com RAG.
36,4 mil3,9 milPythonMITAtualizado ontem
Framework Python de código aberto para criar aplicações LLM prontas para produção, com pipelines modulares e fluxos de agentes para RAG, busca e agentes.
26,8 mil3,3 milPythonApache-2.0Atualizado há 5 horas