---
title: "香港大学开源RAG-Anything：革命性多模态RAG系统，一键处理图文表格复杂文档"
url: "https://paooo.com/aigc-news/14854/"
author: "Prompt 语宙研究院"
published_at: "2026-06-28T13:42:22+08:00"
updated_at: "2026-06-07T20:26:33+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "RAG, 多模态, 大模型应用, 知识图谱, 香港大学"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 香港大学开源RAG-Anything：革命性多模态RAG系统，一键处理图文表格复杂文档

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/14854/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-28

## AI 30 秒核心看点 (TL;DR)

- 支持图文表格公式一体化处理，打通复杂文档从摄取到智能查询的端到端流程。
- 核心创新是图增强文本索引与双重检索范式，兼顾实体关系理解与语义匹配。
- 适用于学术、企业、金融、医疗与客服等场景，提升多模态知识管理效率。

> 
                **💡 站外导读：**在信息爆炸时代，企业、研究机构每天面对海量包含文本、图表、公式的复杂文档，传统检索增强生成（RAG）系统处理效率低下，成为数据价值挖掘的核心痛点。香港大学数据智能实验室开源的RAG-Anything系统，正是破解这一难题的前沿利器。该系统不仅支持多种文档格式，更通过创新的多模态知识图谱和混合检索机制，实现了从文档摄取到智能查询的端到端自动化，为AI驱动的知识管理与决策支持树立了新标杆。

            

             
                        

## RAG-Anything是什么

RAG-Anything是香港大学数据智能实验室推出的开源多模态RAG系统。系统支持处理包含文本、图像、表格和公式的复杂文档，提供从文档摄取到智能查询的端到端解决方案。系统基于多模态知识图谱、灵活的解析架构和混合检索机制，显著提升复杂文档处理能力，支持多种文档格式，如PDF、Office文档、图像和文本文件等。RAG-Anything核心优势包括端到端多模态流水线、多格式文档支持、多模态内容分析引擎、知识图谱索引、灵活的处理架构和跨模态检索机制等。

## RAG-Anything的主要功能

- **端到端多模态流水线**：从文档解析到多模态智能查询，提供一体化工作流程。

- **多格式文档支持**：兼容PDF、Office文档（DOC/DOCX、PPT/PPTX、XLS/XLSX）、图像（JPG、PNG等）和文本文件（TXT、MD）。

- **多模态内容分析引擎**：针对图像、表格、公式和通用文本内容部署专门的处理器，确保各类内容的精准解析。

- **知识图谱索引**：自动提取实体和跨模态关系，构建语义连接网络。

- **灵活的处理架构**：支持MinerU智能解析模式和直接多模态内容插入模式，适配多样化场景。

- **跨模态检索机制**：实现跨文本和多模态内容的智能检索，提供精准的信息定位和匹配能力。

## RAG-Anything的技术原理

- **图增强文本索引**：基于 LLM 从文本中提取实体（节点）及其关系（边），将信息用于构建知识图谱。为每个实体节点和关系边生成文本键值对，键是用于高效检索的单词或短语，值是总结相关外部数据片段的文本段落。识别、合并来自不同文本片段的相同实体和关系，减少图操作的开销，提高数据处理效率。

- **双重检索范式**：

**低层次检索**：专注于检索特定实体及其属性或关系，适用需要精确信息的详细查询。

- **高层次检索**：处理更广泛的主题和主题，基于聚合多个相关实体和关系的信息，提供对高级概念和总结的见解。

- **图和向量集成**：结合图结构和向量表示，检索算法用局部和全局关键词，提高检索效率和结果相关性。

- **检索增强型答案生成**：用检索到的信息，基于 LLM 生成基于收集数据的答案，包括实体和关系的名称、描述及原始文本片段。将查询与多源文本统一，LLM 生成与用户需求一致的答案，确保与查询意图对齐。

- **复杂性分析**：图基索引阶段用 LLM 从每个文本块中提取实体和关系，无需额外开销，高效管理新文本更新。图基检索阶段用 LLM 生成相关关键词，依靠向量搜索进行检索，显著减少检索开销。

## RAG-Anything的项目地址

- **GitHub仓库**：https://github.com/HKUDS/RAG-Anything

- **arXiv技术论文**：https://arxiv.org/pdf/2410.05779

## RAG-Anything的应用场景

- **学术研究**：快速解析和理解大量学术文献，提取关键信息和研究结果，支持文献综述和实验数据分析，助力跨学科研究。

- **企业知识管理**：整合企业内部文档，如会议记录、项目报告等，提供智能查询和知识共享，提升内部信息流通效率。

- **金融分析**：处理财务报表和市场研究报告，提取关键财务指标和市场趋势，辅助风险评估和投资决策。

- **医疗健康**：解析病历中的文本、图像和表格，支持医疗诊断和治疗方案制定，处理医学研究文献和实验数据。

- **智能客服**：快速回答客户问题，提高客服效率，整合企业知识库，提供智能查询和知识推荐，优化客户体验。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                RAG-Anything的开源，标志着RAG技术从单一文本向深度多模态融合的关键跃迁。其核心创新在于构建了‘图增强文本索引’与‘双重检索范式’，这不仅是技术细节的优化，更是对大模型落地路径的深刻洞察——未来AI应用的价值锚点，在于对复杂世界多模态信息的深度理解与结构化。该系统将知识图谱的‘关系理解’与向量检索的‘语义匹配’结合，为解决企业知识库‘最后一公里’的精准问答提供了范式。它预示着，下一代AI应用的竞争将聚焦于对行业垂类文档的‘深度消化’能力，谁能将非结构化数据高效转化为可计算、可推理的结构化知识，谁就能在企业级AI市场占据先机。

## 常见问题解答 (FAQ)

### RAG-Anything适合处理哪些文档？
它支持PDF、Office文档（DOC/DOCX、PPT/PPTX、XLS/XLSX）、图片（JPG、PNG等）和文本文件（TXT、MD），并能处理文本、图像、表格和公式等复杂内容，适合多模态文档场景。

### RAG-Anything和传统RAG有什么区别？
传统RAG多聚焦纯文本检索，而RAG-Anything引入多模态内容分析、知识图谱索引和跨模态检索机制，能更好理解图表、公式与文本之间的关系，适合复杂文档问答。

### RAG-Anything能用于企业知识库吗？
可以。它能把会议记录、项目报告、制度文档等非结构化资料转成可检索的知识网络，提升内部查询、知识共享和精准问答效率，适合企业知识管理落地。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
