HKUDS/RAG-Anything

"RAG-Anything: All-in-One RAG Framework"

GitHub에서 열기 ↗ multi-modal-ragretrieval-augmented-generation

22,115

GitHub 스타

2,574

포크

Python

언어

MIT

라이선스

2026.07.09

최근 푸시

2026.05.06

별표한 날

AI 분석

설치 난이도: 쉬움

큐레이터 노트

멀티모달 RAG 시스템을 구축하려는 연구자나 개발자에게 적극 추천합니다. 특히 학술 논문, 기술 문서, 재무 보고서 등 다양한 형식의 문서를 통합적으로 처리해야 하는 환경에 매우 적합합니다.

강점

멀티모달 문서(텍스트, 이미지, 표, 수식 등)를 하나의 프레임워크로 통합 처리하여 기존 텍스트 중심 RAG의 한계를 극복합니다.
LightRAG 기반으로 구축되어 안정적이고 확장 가능한 아키텍처를 제공합니다.
MinerU 통합으로 복잡한 문서 레이아웃에서도 고충실도 파싱이 가능합니다.
직접 콘텐츠 목록 삽입 기능을 지원하여 외부 파싱 결과를 유연하게 활용할 수 있습니다.

약점

README가 일부 잘려 있어 전체 내용을 파악하기 어렵습니다.
설치 방법이나 구체적인 사용 예시가 README에 명시되지 않아 실제 사용에 추가 문서가 필요할 수 있습니다.
멀티모달 처리에 필요한 VLM 등 외부 모델 의존성에 대한 자세한 설명이 부족합니다.

주의사항

README가 불완전하게 제공되었으므로, 실제 사용 전에 공식 문서나 저장소의 추가 자료를 반드시 확인해야 합니다.
멀티모달 기능을 사용하려면 GPU 등 고성능 하드웨어가 필요할 수 있습니다.
LightRAG에 대한 의존성이 있으므로 LightRAG의 업데이트나 변경 사항에 영향을 받을 수 있습니다.

시작 가이드

README의 전체 내용을 확인하기 위해 저장소의 공식 문서나 위키를 방문하세요.
설치 및 빠른 시작 가이드를 참고하여 로컬 환경에서 RAG-Anything을 테스트해보세요.
멀티모달 쿼리 기능을 활용하여 이미지와 표가 포함된 문서로 실험해보세요.
LightRAG와의 통합 방식을 이해하고 필요에 따라 커스터마이징을 고려하세요.

README 한국어 번역

이 번역은 AI가 원문 README를 옮긴 것입니다. 원문이 항상 우선합니다.

🎉 소식

[X] [2026.06]🎯📢 🎉 LightRAG가 RAG-Anything의 기본 통합을 통해 멀티모달 RAG를 가능하게 합니다.
[X] [2025.10]🎯📢 🚀 RAG-Anything의 기술 보고서를 공개했습니다. 지금 확인하여 최신 연구 결과를 살펴보세요.
[X] [2025.08]🎯📢 🔍 RAG-Anything이 VLM-Enhanced Query 모드를 지원합니다! 문서에 이미지가 포함된 경우, 시스템이 이를 VLM에 원활하게 통합하여 고급 멀티모달 분석을 수행하고, 시각적 및 텍스트적 맥락을 결합하여 더 깊은 통찰력을 제공합니다.
[X] [2025.07]🎯📢 RAG-Anything이 컨텍스트 구성 모듈을 도입하여 관련 컨텍스트 정보를 지능적으로 통합함으로써 멀티모달 콘텐츠 처리를 향상시킵니다.
[X] [2025.07]🎯📢 🚀 RAG-Anything이 멀티모달 쿼리 기능을 지원하여 텍스트, 이미지, 표, 수식을 원활하게 처리하는 향상된 RAG를 제공합니다.
[X] [2025.07]🎯📢 🎉 RAG-Anything이 GitHub에서 1k🌟 별을 달성했습니다! 프로젝트에 대한 놀라운 지원과 귀중한 기여에 감사드립니다.

🌟 시스템 개요

차세대 멀티모달 인텔리전스

현대 문서는 점점 더 다양한 멀티모달 콘텐츠(텍스트, 이미지, 표, 수식, 차트, 멀티미디어)를 포함하고 있으며, 기존 텍스트 중심 RAG 시스템은 이를 효과적으로 처리할 수 없습니다. RAG-Anything은 LightRAG를 기반으로 구축된 포괄적인 올인원 멀티모달 문서 처리 RAG 시스템으로 이 문제를 해결합니다.

통합 솔루션으로서 RAG-Anything은 여러 특화 도구의 필요성을 없앱니다. 단일 통합 프레임워크 내에서 모든 콘텐츠 양식에 걸친 원활한 처리 및 쿼리를 제공합니다. 비텍스트 요소에 어려움을 겪는 기존 RAG 접근 방식과 달리, 당사의 올인원 시스템은 포괄적인 멀티모달 검색 기능을 제공합니다.

사용자는 하나의 일관된 인터페이스를 통해 혼합 텍스트, 시각적 다이어그램, 구조화된 표, 수학적 공식이 포함된 문서를 쿼리할 수 있습니다. 이러한 통합 접근 방식은 풍부한 혼합 콘텐츠 문서가 통합 처리 프레임워크를 요구하는 학술 연구, 기술 문서, 재무 보고서, 기업 지식 관리에 특히 유용합니다.

🎯 주요 기능

🔄 종단 간 멀티모달 파이프라인 - 문서 수집 및 파싱부터 지능형 멀티모달 쿼리 응답까지 완전한 워크플로우
📄 범용 문서 지원 - PDF, Office 문서, 이미지 및 다양한 파일 형식의 원활한 처리
🧠 특화 콘텐츠 분석 - 이미지, 표, 수학 수식 및 이질적 콘텐츠 유형을 위한 전용 프로세서
🔗 멀티모달 지식 그래프 - 향상된 이해를 위한 자동 엔터티 추출 및 교차 모달 관계 발견
⚡ 적응형 처리 모드 - 유연한 MinerU 기반 파싱 또는 직접 멀티모달 콘텐츠 주입 워크플로우
📋 직접 콘텐츠 목록 삽입 - 외부 소스에서 사전 파싱된 콘텐츠 목록을 직접 삽입하여 문서 파싱 우회
🎯 하이브리드 지능형 검색 - 컨텍스트 이해를 통해 텍스트 및 멀티모달 콘텐츠를 아우르는 고급 검색 기능

🏗️ 알고리즘 및 아키텍처

핵심 알고리즘

RAG-Anything은 지능형 오케스트레이션과 교차 모달 이해를 통해 다양한 콘텐츠 양식을 원활하게 처리하도록 기존 RAG 아키텍처를 근본적으로 확장하는 효과적인 다단계 멀티모달 파이프라인을 구현합니다.

1. 문서 파싱 단계

시스템은 적응형 콘텐츠 분해를 통해 고충실도 문서 추출을 제공합니다. 이종 요소를 지능적으로 분할하면서 컨텍스트 관계를 보존합니다. 특화된 최적화 파서를 통해 범용 형식 호환성을 달성합니다.

주요 구성 요소:

⚙️ MinerU 통합: MinerU를 활용하여 복잡한 레이아웃에서 고충실도 문서 구조 추출 및 의미 보존을 수행합니다.
🧩 적응형 콘텐츠 분해: 문서를 일관된 텍스트 블록, 시각적 요소, 구조화된 표, 수학 수식 및 특수 콘텐츠 유형으로 자동 분할하면서 컨텍스트 관계를 보존합니다.
📁 범용 형식 지원: 특화된 파서와 형식별 최적화를 통해 PDF, Office 문서(DOC/DOCX/PPT/PPTX/XLS/XLSX), 이미지 및 새로운 형식을 포괄적으로 처리합니다.

2. 멀티모달 콘텐츠 이해 및 처리

시스템은 콘텐츠를 자동으로 분류하고 최적화된 채널로 라우팅합니다. 텍스트 및 멀티모달 처리를 위한 동시 파이프라인을 사용합니다. 변환 중에 문서 계층 구조와 관계가 보존됩니다.

주요 구성 요소:

🎯 자율 콘텐츠 분류 및 라우팅: 다양한 콘텐츠 유형을 자동으로 식별, 분류하고 최적화된 실행 채널로 라우팅합니다.
⚡ 동시 다중 파이프라인 아키텍처: 전용 처리 파이프라인을 통해 텍스트 및 멀티모달 콘텐츠의 동시 실행을 구현합니다. 이 접근 방식은 콘텐츠 무결성을 보존하면서 처리량 효율성을 극대화합니다.
🏗️ 문서 계층 구조 추출: 콘텐츠 변환 중에 원본 문서 계층 구조와 요소 간 관계를 추출하고 보존합니다.

3. 멀티모달 분석 엔진

[...truncated...]

원본 저장소: HKUDS/RAG-Anything

라이선스: MIT

게재 제외를 원하시면 삭제 요청을 보내주세요.