让模型读你的资料
RAG / Long Context
谁能做
还没有模型有明确的官方依据
自己部署权重公开的，拿去自己 GPU 上跑
RAGFlow（RAG 引擎）infiniflow/ragflow：a leading open-source Retrieval-Augmented Generation (RAG) engine that fuses cutting-edge RAG with Agent capabilities（★87,254） · GitHub · infiniflow/ragflow
LlamaIndex（文档 Agent 与 OCR）run-llama/llama_index：LlamaIndex is the leading document agent and OCR platform（★51,556） · GitHub · run-llama/llama_index
MarkItDown（各种文档转 Markdown）microsoft/markitdown：Python tool for converting files and office documents to Markdown.（★173,092） · GitHub · microsoft/markitdown
MinerU（PDF/Office 转 LLM 可读）opendatalab/MinerU：Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON（★77,355） · GitHub · opendatalab/MinerU
Unstructured（文档转结构化数据）Unstructured-IO/unstructured：open-source ETL solution for transforming complex documents into clean, structured formats for language models（★15,294） · GitHub · Unstructured-IO/unstructured
已知限制
· 上下文变长不等于能用长 —— 中段信息经常被忽略，长文要靠检索而不是硬塞· 先解决「文档怎么变成干净文本」 —— 大多数 RAG 效果差是卡在这一步，不是模型不行· MinerU 是 Apache-2.0 加附加条款；Dify 禁止未经授权做多租户典型用例
企业知识库 · 合同问答 · 论文速读