传统 RAG 处理网页和 PDF，往往先转成文本，表格、图片、排版一丢，原本的信息结构难道不也跟着没了？ PixelRAG 换了条路：文本先不解析，直接把页… · @tantanyuli · TwKit

@tantanyuli

传统 RAG 处理网页和 PDF，往往先转成文本，表格、图片、排版一丢，原本的信息结构难道不也跟着没了？ PixelRAG 换了条路：文本先不解析，直接把页面渲染成截图，再用视觉信息做检索。 表格、图表、复杂布局因此都能留下来，AI 看到的也更接近原始页面。 官方测试给出了最高 18.1% 的准确率提升，还声称能把 Agent 的 Token 成本压低约 10 倍。 目前预建了 828 万个 Wikipedia 页面索引，免费 API 和 Claude 插件也能体验。 做视觉 RAG、网页 Agent 的，可以研究一下。 🔗 https://github.com/StarTrail-org/PixelRAG

曝光 84 · 评论 1 · 点赞 1 · 书签 1