QAnything 総合紹介
QAnything (Question and Answer based on Anything)はNetEaseが発表したローカル知識ベースQ&Aシステムで、あらゆる種類のファイル形式とデータベースをサポートし、インストールしてオフラインで使用することができます。QAnythingはPDF、Word、PPT、XLSやその他の形式のドキュメントを扱うことができ、クロスランゲージQ&Aをサポートし、大容量のデータQ&Aをサポートし、ハイパフォーマンス、ユーザーフレンドリー、マルチナレッジベースQ&A機能、データセキュリティ機能を備えています。
自社開発のRAG(Retrieval Augmented Generation)エンジンをベースとし、効率的で正確なQ&Aサービスを提供する。QAnythingは、社内文書管理、法律相談、行政サービスなど様々なシーンに適しており、企業の情報取得や意思決定の効率化を支援する。
機能一覧
- 様々なファイル形式をサポート:PDF、Word、PPT、Excel、Markdown、TXT、画像など。
- ローカル展開:インターネットに接続する必要がないため、データの安全性が確保されます。
- 効率的な検索:RAGエンジンに基づき、高精度の意味検索を提供。
- 柔軟なワークフロー:エージェントによるタスクの自動化
- コンテンツ生成:参考文献を基に、完全なアウトラインと記事コンテンツを生成する。
- シナリオのカスタマイズ:ビジネスニーズに基づいたモデルと検索の最適化
QAnything ヘルプ
システム要件:最低4GBのGPUメモリを搭載したLinux、WindowsシステムにはWSLサブシステムが必要
インストール方法:git経由でクローンし、スタートアップスクリプトを実行する。
使用方法:Q&AはウェブフロントエンドまたはAPIインターフェースで操作可能
FAQ:よくある質問にお答えします。
テクニカルサポート:コミュニティサポートおよび開発者向けメールコンサルティングサービスの提供
設置プロセス
- QAnythingをダウンロードアクセスギットハブページから最新版のQAnythingをダウンロードしてください。
- 環境準備DockerとDocker Composeがシステムにインストールされていることを確認してください。
- コードベースの引き出しターミナルで実行
git clone https://github.com/netease-youdao/QAnything.git
命令だ。 - プロジェクト・ディレクトリに移動する実施
cd QAnything
プロジェクトのルート・ディレクトリに移動する。 - サービス開始実施
docker-compose up -d
コマンドを使用してQAnythingサービスを開始する。
使用プロセス
- ファイルのアップロードPDF、Word、PPT、Excel、その他多くのフォーマットに対応しています。
- 検索Q&A検索ボックスに質問を入力すると、QAnythingがアップロードされたファイルの内容に基づいて検索し、回答を生成します。
- 結果を見る関連する回答や参考文献が表示され、ユーザーはそれをクリックして詳細を見ることができます。
- コンテンツ生成ユーザーは、アウトラインを作成するか記事を作成するかを選択することができ、システムは参考文献に基づいてコンテンツを自動的に作成します。
機能
- ファイルのアップロードファイルのアップロード "ボタンをクリックして、解析するファイルを選択し、バッチアップロードをサポートします。
- 問題の検索検索ボックスに質問を入力し、「検索」ボタンをクリックすると、該当する回答が表示されます。
- 回答表示詳しい解答と参考文献は解答カードをクリックしてください。
- コンテンツ生成コンテンツ生成モジュールで、キーワードや参考文献を入力し、"生成 "ボタンをクリックすると、システムが自動的にアウトラインや記事を生成します。
QAnythingのコアスキル
一段階検索(エンベッディング)
モデル名 | 検索 | エス・ティー・エス | ペア分類 | 分類 | 再ランキング | クラスタリング | 平均して |
---|---|---|---|---|---|---|---|
ベージベース-エン-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-ラージ-エン-V1.5 | 37.15 | 54.09 | 75.00 | 59.24 | 42.68 | 37.32 | 46.82 |
BGE-ラージ-ZH-V1.5 | 47.54 | 64.73 | 79.14 | 64.19 | 55.88 | 33.26 | 54.21 |
jina-embeddings-v2-ベース-エン | 31.58 | 54.28 | 74.84 | 58.42 | 41.16 | 34.67 | 44.29 |
m3eベース | 46.29 | 63.93 | 71.84 | 64.08 | 52.38 | 37.84 | 53.54 |
m3e-ラージ | 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 |
- 結果の詳細については、以下を参照されたい。埋め込みモデルの測定基準のまとめ.
第2段階の検索(再ランク)
モデル名 | 再ランキング | 平均して |
---|---|---|
バージ・レランカー・ベース | 57.78 | 57.78 |
バージ・レランカー・ラージ | 59.69 | 59.69 |
bce-reranker-base_v1 | 60.06 | 60.06 |
- 結果の詳細については、以下を参照されたい。Rerankerモデルの指標まとめ
QAnything アプリケーション・シナリオ
- クロスリンガル:複数の英語論文クイズ
- 情報抽出
- 書類の寄せ集め
- ウェブQ&A