QAnything: Sistema de preguntas y respuestas de base de conocimientos local con flujo de procesamiento RAG altamente integrado
Últimos recursos sobre IAActualizado hace 11 meses Círculo de intercambio de inteligencia artificial 1.8K 00
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 主界面

QAnything 创建的机器人聊天界面

QAnything 原理

QAnything 免费版会员权益
Lista de funciones
- 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
Proceso de instalación
- 下载QAnything: AccesoGitHub页面,下载最新版本的QAnything。
- Preparación medioambiental:确保系统已安装Docker和Docker Compose。
- 拉取代码库:在终端中执行
git clone https://github.com/netease-youdao/QAnything.git
Comando. - Vaya al directorio del proyecto: Aplicación
cd QAnything
进入项目根目录。 - Inicio de los servicios: Aplicación
docker-compose up -d
命令启动QAnything服务。
Proceso de utilización
- Cargar archivos: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。
- 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。
- Ver resultados: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。
- Generación de contenidos: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。
Funciones
- Carga de archivos: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。
- Generación de contenidos: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)
Nombre del modelo | Recuperación | STS | PairClassification | Classification | Reranking | Clustering | 平均 |
---|---|---|---|---|---|---|---|
bge-base-es-v1.5 | 37.14 | 55.06 | 75.45 | 59.73 | 43.05 | 37.74 | 47.20 |
bge-base-zh-v1.5 | 47.60 | 63.72 | 77.40 | 63.38 | 54.85 | 32.56 | 53.60 |
bge-large-es-v1.5 | 37.15 | 54.09 | 75.00 | 59.24 | 42.68 | 37.32 | 46.82 |
bge-large-zh-v1.5 | 47.54 | 64.73 | 79.14 | 64.19 | 55.88 | 33.26 | 54.21 |
jina-embeddings-v2-base-en | 31.58 | 54.28 | 74.84 | 58.42 | 41.16 | 34.67 | 44.29 |
m3e-base | 46.29 | 63.93 | 71.84 | 64.08 | 52.38 | 37.84 | 53.54 |
m3e-large | 34.85 | 59.74 | 67.69 | 60.07 | 48.99 | 31.62 | 46.78 |
bce-embedding-base_v1 | 57.60 | 65.73 | 74.96 | 69.00 | 57.29 | 38.95 | 59.43 |
- 更详细的评测结果详见Embedding模型指标汇总.
二阶段检索(rerank)
Nombre del modelo | Reranking | 平均 |
---|---|---|
bge-reranker-base | 57.78 | 57.78 |
bge-reranker-large | 59.69 | 59.69 |
bce-reranker-base_v1 | 60.06 | 60.06 |
- 更详细的评测结果详见Reranker模型指标汇总
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
© declaración de copyright
El artículo está protegido por derechos de autor y no debe reproducirse sin autorización.
Artículos relacionados
Sin comentarios...