QAnything:高度集成RAG处理流程的本地知识库问答系统

最新AI工具8个月前更新 Sharenet.ai
1.2K 0
Trae

QAnything 综合介绍

QAnything(Question and Answer based on Anything)是由网易推出的本地知识库问答系统,支持各类文件格式及数据库,可离线安装使用。它可以处理PDF、Word、PPT、XLS等多种格式的文件,支持跨语言问答,并提供大数据量问答支持,具有高性能、用户友好、多知识库问答能力和数据安全性等特点。

该系统基于自研的RAG(检索增强生成)引擎,提供高效、准确的问答服务。QAnything适用于企业内部文档管理、法律咨询、政务服务等多种场景,帮助企业提高信息获取和决策效率。

 

QAnything:高度集成RAG处理流程的本地知识库问答系统

QAnything 主界面

 

QAnything:高度集成RAG处理流程的本地知识库问答系统

QAnything 创建的机器人聊天界面

 

QAnything:高度集成RAG处理流程的本地知识库问答系统

QAnything 原理

 

QAnything:高度集成RAG处理流程的本地知识库问答系统

QAnything 免费版会员权益

 

功能列表

  • 支持多种文件格式:PDF、Word、PPT、Excel、Markdown、TXT、图片等
  • 本地部署:无需联网即可使用,确保数据安全
  • 高效检索:基于RAG引擎,提供高准确率的语义检索
  • 灵活工作流:通过Agent实现自动化任务处理
  • 内容生成:基于参考资料生成完整的大纲和文章内容
  • 场景定制:根据企业需求进行模型和检索优化

 

 

QAnything 使用帮助

系统要求:Linux具有至少4GB GPU内存,Windows系统需要WSL子系统
如何安装:通过git克隆并运行启动脚本
如何使用:可通过网页前端或者API接口进行问答操作
FAQ:提供常见问题解答
技术支持:提供社区支持和开发者邮件咨询服务

 

安装流程

  1. 下载QAnything:访问GitHub页面,下载最新版本的QAnything。
  2. 环境准备:确保系统已安装Docker和Docker Compose。
  3. 拉取代码库:在终端中执行git clone https://github.com/netease-youdao/QAnything.git命令。
  4. 进入项目目录:执行cd QAnything进入项目根目录。
  5. 启动服务:执行docker-compose up -d命令启动QAnything服务。

使用流程

  1. 上传文件:通过QAnything的界面上传需要解析的文件,支持PDF、Word、PPT、Excel等多种格式。
  2. 检索问答:在搜索框中输入问题,QAnything会基于上传的文件内容进行检索并生成答案。
  3. 查看结果:系统会展示相关的答案和参考资料,用户可以点击查看详细内容。
  4. 内容生成:用户可以选择生成大纲或文章,系统会基于参考资料自动生成内容。

功能操作详解

  • 文件上传:点击“上传文件”按钮,选择需要解析的文件,支持批量上传。
  • 问题检索:在搜索框中输入问题,点击“搜索”按钮,系统会展示相关答案。
  • 答案查看:点击答案卡片,可以查看详细的答案和参考资料。
  • 内容生成:在内容生成模块中,输入关键词或参考资料,点击“生成”按钮,系统会自动生成大纲或文章。

 

 

QAnything 核心技能

 

一阶段检索(embedding)

 

模型名称RetrievalSTSPairClassificationClassificationRerankingClustering平均
bge-base-en-v1.537.1455.0675.4559.7343.0537.7447.20
bge-base-zh-v1.547.6063.7277.4063.3854.8532.5653.60
bge-large-en-v1.537.1554.0975.0059.2442.6837.3246.82
bge-large-zh-v1.547.5464.7379.1464.1955.8833.2654.21
jina-embeddings-v2-base-en31.5854.2874.8458.4241.1634.6744.29
m3e-base46.2963.9371.8464.0852.3837.8453.54
m3e-large34.8559.7467.6960.0748.9931.6246.78
bce-embedding-base_v157.6065.7374.9669.0057.2938.9559.43

二阶段检索(rerank)

 

模型名称Reranking平均
bge-reranker-base57.7857.78
bge-reranker-large59.6959.69
bce-reranker-base_v160.0660.06

 

 

QAnything 应用场景

  • 跨语种:多篇英文论文问答
  • 信息抽取
  • 文件大杂烩
  • 网页问答
© 版权声明
AiPPT

相关文章

暂无评论

none
暂无评论...