QAnything 일반 소개
QAnything(무엇이든 기반 질문과 답변)은 넷이즈에서 출시한 로컬 지식 기반 Q&A 시스템으로, 모든 종류의 파일 형식과 데이터베이스를 지원하며 오프라인에서 설치하여 사용할 수 있습니다. PDF, Word, PPT, XLS 및 기타 형식의 문서 처리, 다국어 Q&A 지원, 대용량 Q&A 지원, 고성능, 사용자 친화적인 다중 지식 기반 Q&A 기능 및 데이터 보안 기능을 제공합니다.
이 시스템은 자체 개발한 RAG(검색 증강 생성) 엔진을 기반으로 효율적이고 정확한 질의응답 서비스를 제공하며, 내부 문서 관리, 법률 상담, 대민 서비스 등 다양한 시나리오에 적합해 기업의 정보 획득과 의사 결정의 효율성을 높일 수 있도록 돕습니다.

QAnything 메인 인터페이스

QAnything에서 만든 봇 채팅 인터페이스

Q아무것도 원칙

QAnything 무료 버전 회원 혜택
기능 목록
- PDF, Word, PPT, Excel, 마크다운, TXT, 사진 등 다양한 파일 형식을 지원합니다.
- 로컬 배포: 인터넷 연결이 필요 없어 데이터 보안 보장
- 효율적인 검색: RAG 엔진 기반, 높은 정확도의 시맨틱 검색 제공
- 유연한 워크플로: 상담원을 통한 작업 자동화
- 콘텐츠 생성: 참조를 기반으로 전체 개요 및 기사 콘텐츠를 생성합니다.
- 시나리오 사용자 지정: 비즈니스 요구사항에 따른 모델 및 검색 최적화
QAnything 도움말
시스템 요구 사항: 최소 4GB의 GPU 메모리가 있는 Linux, Windows 시스템에는 WSL 하위 시스템이 필요합니다.
설치 방법: git을 통해 복제하고 시작 스크립트 실행하기
사용 방법: Q&A는 웹 프런트엔드 또는 API 인터페이스를 통해 운영할 수 있습니다.
FAQ: 자주 묻는 질문에 대한 답변 제공
기술 지원: 커뮤니티 지원 및 개발자 이메일 컨설팅 서비스 제공
설치 프로세스
- QAnything 다운로드액세스GitHub페이지에서 최신 버전의 QAnything을 다운로드하세요.
- 환경 준비시스템에 Docker 및 Docker Compose가 설치되어 있는지 확인합니다.
- 코드 베이스 가져오기터미널에서 실행
git clone https://github.com/netease-youdao/QAnything.git
명령. - 프로젝트 디렉토리로 이동: 구현
cd QAnything
프로젝트 루트 디렉토리로 이동합니다. - 서비스 시작: 구현
docker-compose up -d
명령을 실행하여 QAnything 서비스를 시작합니다.
사용 프로세스
- 파일 업로드PDF, Word, PPT, Excel 및 기타 여러 형식을 지원하는 QAnything의 인터페이스를 통해 구문 분석할 파일을 업로드합니다.
- 검색 Q&A검색창에 질문을 입력하면 QAnything이 업로드된 파일의 내용을 기반으로 검색하여 답변을 생성합니다.
- 결과 보기관련 답변 및 참고 자료가 표시되며, 사용자는 이를 클릭하여 세부 정보를 볼 수 있습니다.
- 콘텐츠 생성개요 또는 기사 생성: 사용자는 개요 또는 기사를 생성하도록 선택할 수 있으며, 시스템은 참조를 기반으로 콘텐츠를 자동으로 생성합니다.
기능
- 파일 업로드'파일 업로드' 버튼을 클릭하여 구문 분석할 파일을 선택하고 일괄 업로드를 지원합니다.
- 이슈 검색검색창에 질문을 입력하고 '검색' 버튼을 클릭하면 시스템이 관련 답변을 표시합니다.
- 답변 보기자세한 답안과 참고 자료를 보려면 답안 카드를 클릭하세요.
- 콘텐츠 생성콘텐츠 생성 모듈에서 키워드 또는 참조를 입력하고 '생성' 버튼을 클릭하면 시스템이 자동으로 개요 또는 기사를 생성합니다.
Q아무것도 핵심 기술
1단계 검색(임베딩)
모델 이름 | 검색 | STS | 페어 분류 | 분류 | 순위 재조정 | 클러스터링 | 평균 |
---|---|---|---|---|---|---|---|
BGE-BASE-EN-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-EN-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-임베딩-베이스_V1 | 57.60 | 65.73 | 74.96 | 69.00 | 57.29 | 38.95 | 59.43 |
- 결과에 대한 자세한 검토는 다음에서 확인할 수 있습니다.임베딩 모델 메트릭 요약.
2단계 검색(순위 재조정)
모델 이름 | 순위 재조정 | 평균 |
---|---|---|
bge-ranker-base | 57.78 | 57.78 |
bge-ranker-large | 59.69 | 59.69 |
BCE-RERANKER-BASE_V1 | 60.06 | 60.06 |
- 결과에 대한 자세한 검토는 다음에서 확인할 수 있습니다.리랭커 모델 지표 요약
QAnything 애플리케이션 시나리오
- 다국어: 여러 개의 영어 논문 퀴즈
- 정보 추출
- 수많은 문서
- 웹 Q&A
© 저작권 정책
이 글은 저작권이 있으며 무단으로 복제해서는 안 됩니다.
관련 문서
댓글 없음...