RagDocument:企业级 RAG 文档处理与长文档生成系统开源项目

我要开发同款
AXC002026年11月18日
5阅读

技术信息

语言技术
Python、Docker、JavaScript、Vue
系统类型
Linux、Web
行业分类
人工智能、企业服务
开源地址
https://github.com/AXC00/RagDocument
授权协议
MIT许可

功能介绍

1. 文档解析:支持 PDF、Word、Excel、文本和图片,能做版面分析、表格抽取和 OCR,并按内容哈希去重。
2. 分块与向量化:父子分层分块(父块 2000 tokens、子块 500 tokens),用小块检索、大块回填上下文,向量化分批进行。
3. 混合检索:Milvus 语义检索和 MySQL 全文检索并行召回,结果用 RRF 等方式融合,配合查询改写和 Cross-Encoder 重排序,支持多轮对话的上下文。
4. 问答与长文档生成:基于检索结果回答问题;规划、内容、格式、质检四个 Agent 协作,按章节流式生成方案、标书等长文档,并做一致性检查。
5. 评估:接入 RAGAS 评估检索和生成质量,记录 LLM 调用量。仓库附带单机复现环境和评测脚本。我用自建的 25 题评测集做检索消融,修复了 3 个缺陷:Milvus COSINE 相似度被当成距离、导致排序颠倒;Rerank 混入了无上界的全文相关度;短文档分块后被整块丢弃。修复后,混合检索 + Rerank 的 Hit@1 从 80% 提到 96%,RAGAS context_recall 从 0.64 提到 0.96。
6. Web 前端:文档管理、检索测试、问答、长文档生成、模板管理和质量检查页面。

示例图片

声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态

评论