RAG-Anything: 面向复杂文档的全面多模态 RAG 系统

RAG-Anything 如何实现多模态文档处理？2026年安装配置指南

RAG-Anything 简介

RAG-Anything 是一个基于轻量级 LightRAG 框架构建的 RAG 系统，专为处理多模态文档（PDF、图片、表格、公式等）而设计。该系统能够无缝处理和查询包含文本、图像、表格、公式等多模态内容的复杂文档，提供完整的端到端 RAG 解决方案。

使用场景

RAG-Anything 是以下场景的绝佳选择：

1. 包含图表、表格和公式的文档：需要多模态支持的研究论文、报告、PPT。

2. 端到端解决方案：用户只需输入原始文档，系统自动完成从文档解析到查询响应的全过程，无需人工干预。

3. 大量文档处理：具备并行处理能力，可高效处理多个文档。

RAG-Anything 核心亮点

系统架构

RAG-Anything 的系统架构分为以下几个阶段与功能：

1. 📄 文档解析阶段

通过高精度解析平台，系统实现了多模态元素的完整识别与提取。

2. 🧠 多模态内容理解与处理

通过自主分类路由机制和并发多流水线架构，实现了内容的高效并行处理。

3. 🧠 多模态分析引擎

系统针对异构数据类型设计了模态感知处理单元。

4. 🔍 多模态知识图谱索引

将文档内容转化为结构化语义表示，并建立跨模态关系。

5. 🎯 模态感知检索

通过向量搜索与图遍历算法实现内容检索与排序。

安装与设置

安装 RAG-Anything 及其扩展

# 从 GitHub 克隆项目
git clone https://github.com/HKUDS/RAG-Anything.git
# 进入项目目录
cd RAG-Anything
# 创建虚拟环境
python -m venv venv
# 激活虚拟环境
.\venv\Scripts\Activate.ps1
# 安装基础依赖
pip install -e .
# 安装扩展依赖
pip install -e '.[all]'

验证 MinerU 安装（安装 RAG-Anything 时会自动安装 MinerU）

mineru --version    # 检查 MinerU 版本

python -c "from raganything import RAGAnything; rag = RAGAnything(); print('✅ MinerU 安装成功' if rag.check_parser_installation() else '❌ MinerU 安装失败')"

运行官方示例

以下 API 密钥需要使用 OpenAI 的凭证。请从 OpenAI 官网获取 API 密钥，或根据教程自行配置 API 和模型设置。

# 端到端处理
python examples/raganything_example.py path/to/document.pdf --api-key YOUR_API_KEY --parser mineru

# 直接模态处理
python examples/modalprocessors_example.py --api-key YOUR_API_KEY

# Office 文档解析测试（仅 MinerU）
python examples/office_document_test.py --file path/to/document.docx

# 图片格式解析测试（仅 MinerU）
python examples/image_format_test.py --file path/to/image.bmp

# 文本格式解析测试（仅 MinerU）
python examples/text_format_test.py --file path/to/document.md

# 检查 LibreOffice 安装
python examples/office_document_test.py --check-libreoffice --file dummy

# 检查 PIL/Pillow 安装
python examples/image_format_test.py --check-pillow --file dummy

# 检查 ReportLab 安装
python examples/text_format_test.py --check-reportlab --file dummy

使用教程（以 SiliconFlow 为例）

导入依赖

import asyncio
from raganything import RAGAnything, RAGAnythingConfig
from raganything.modalprocessors import ImageModalProcessor, TableModalProcessor, GenericModalProcessor
from lightrag import LightRAG
from lightrag.llm.openai import openai_complete_if_cache, openai_embed
from lightrag.utils import EmbeddingFunc
import os

API 和 RAGAnything 配置

请在硅基流动官网注册账号并获取您的 API 密钥。

硅基流动的 base-url 是固定的：https://api.siliconflow.cn/v1

async def main():
    # 设置 API 配置
    api_key = "your api key"  # 填写您的 API 密钥
    base_url = "https://api.siliconflow.cn/v1"  # 填写基础 URL

    # 创建 RAGAnything 配置
    config = RAGAnythingConfig(
        working_dir="./rag_storage",
        parser="mineru",  # 选择解析器：mineru 或 docling
        parse_method="auto",  # 解析方法：auto、ocr 或 txt
        enable_image_processing=True,
        enable_table_processing=True,
        enable_equation_processing=True,
    )

定义 LLM 模型函数

请选择您想要的模型名称。

# 定义 LLM 模型函数
def llm_model_func(prompt, system_prompt=None, history_messages=[], **kwargs):
    return openai_complete_if_cache(
        "THUDM/GLM-4.1V-9B-Thinking",  # 填写模型名称
        prompt,
        system_prompt=system_prompt,
        history_messages=history_messages,
        api_key=api_key,
        base_url=base_url,
        **kwargs,
    )

定义视觉模型函数