Docling Parse：专注于从程序化 PDF 中高效提取文本、路径及位图资源的轻量级工具包。
• 支持字符、单词及行级别文本坐标输出，精准定位文本内容，方便深度版面分析与可视化
• 同时提取路径和位图图像，满足复杂文档结构解析需求
• 内置可交互式可视化脚本，便于快速验证与展示解析效果
• 性能显著提升，最新版本解析速度较初版快 5-10 倍，适合大规模文档处理
• Python 包即装即用，支持命令行和编程接口，灵活集成到多种工作流
• 完全开源，MIT 许可，社区活跃，持续更新与优化，便于二次开发和创新
• 适合科研、文档数字化、信息抽取等多场景应用，助力文档数据智能化转型
基于程序化 PDF 结构，精细提取多层级文本单元与图形元素，融合性能优化与可视化，推动 PDF 内容的结构化理解与应用扩展。
#资源参考 #工具 #AI #PDF提取文本图像
• 支持字符、单词及行级别文本坐标输出，精准定位文本内容，方便深度版面分析与可视化
• 同时提取路径和位图图像，满足复杂文档结构解析需求
• 内置可交互式可视化脚本，便于快速验证与展示解析效果
• 性能显著提升，最新版本解析速度较初版快 5-10 倍，适合大规模文档处理
• Python 包即装即用，支持命令行和编程接口，灵活集成到多种工作流
• 完全开源，MIT 许可，社区活跃，持续更新与优化，便于二次开发和创新
• 适合科研、文档数字化、信息抽取等多场景应用，助力文档数据智能化转型
基于程序化 PDF 结构，精细提取多层级文本单元与图形元素，融合性能优化与可视化，推动 PDF 内容的结构化理解与应用扩展。
#资源参考 #工具 #AI #PDF提取文本图像
GitHub
GitHub - docling-project/docling-parse: Simple package to extract text with coordinates from programmatic PDFs
Simple package to extract text with coordinates from programmatic PDFs - docling-project/docling-parse
NVIDIA AI Blueprint：大规模视频搜索与摘要的行业级解决方案
• 支持海量实时及存档视频的智能摄取与结构化分析，助力快速决策与运营优化
• 结合视觉语言模型（Cosmos Nemotron VLM）、大型语言模型（Llama Nemotron LLM）及NVIDIA NIM微服务，实现精准视频摘要和交互式问答
• 采用Context-Aware RAG模块，融合向量库与图数据库，增强多跳推理、时序理解及异常检测能力
• 灵活部署：支持单GPU、局部多GPU及完全远程架构，满足从开发到生产的多种场景需求
• 面向视频分析师与AI开发者，提供一键部署、丰富配置及高度可定制化的流水线和微服务
• 完善文档覆盖API授权、硬件需求、快速上手指南及安全漏洞说明，保障稳定可靠运行
• 典型应用涵盖智能空间监控、仓储自动化及标准作业流程验证，赋能行业数字化转型
视频智能分析已进入多模态融合与上下文增强的新阶段，NVIDIA蓝图提供了系统化路径，降低复杂度，提升效率，释放视频数据的最大价值。
• 支持海量实时及存档视频的智能摄取与结构化分析，助力快速决策与运营优化
• 结合视觉语言模型（Cosmos Nemotron VLM）、大型语言模型（Llama Nemotron LLM）及NVIDIA NIM微服务，实现精准视频摘要和交互式问答
• 采用Context-Aware RAG模块，融合向量库与图数据库，增强多跳推理、时序理解及异常检测能力
• 灵活部署：支持单GPU、局部多GPU及完全远程架构，满足从开发到生产的多种场景需求
• 面向视频分析师与AI开发者，提供一键部署、丰富配置及高度可定制化的流水线和微服务
• 完善文档覆盖API授权、硬件需求、快速上手指南及安全漏洞说明，保障稳定可靠运行
• 典型应用涵盖智能空间监控、仓储自动化及标准作业流程验证，赋能行业数字化转型
视频智能分析已进入多模态融合与上下文增强的新阶段，NVIDIA蓝图提供了系统化路径，降低复杂度，提升效率，释放视频数据的最大价值。
GitHub
GitHub - NVIDIA-AI-Blueprints/video-search-and-summarization: Blueprint for Ingesting massive volumes of live or archived videos…
Blueprint for Ingesting massive volumes of live or archived videos and extract insights for summarization and interactive Q&A - NVIDIA-AI-Blueprints/video-search-and-summarization
#开源 #抓包 #工具
🔗 ProxyPin - 开源免费抓包工具
您可以使用它来拦截、检查和重写 HTTP(S) 流量，支持手机扫码连接、域名过滤、搜索、请求重写等功能
支持Windows、Mac、Android、IOS、Linux 全平台系统
🔗 ProxyPin - 开源免费抓包工具
您可以使用它来拦截、检查和重写 HTTP(S) 流量，支持手机扫码连接、域名过滤、搜索、请求重写等功能
支持Windows、Mac、Android、IOS、Linux 全平台系统
GitHub
proxypin/README_CN.md at main · wanghongenpin/proxypin
Open source free capture HTTP(S) traffic software ProxyPin, supporting full platform systems - wanghongenpin/proxypin
#prompt #AI
🔗 Prompt Optimizer - 一个开源的提示词优化工具
输入提示词就可以开始优化，支持多个 AI 大模型，可直观查看、对比提示词优化
支持在线使用、Chrome 插件、Vercel部署、Docker部署
📑相关阅读
PromptPilot - 字节跳动推出的 AI 提示词优化工具
🔗 Prompt Optimizer - 一个开源的提示词优化工具
输入提示词就可以开始优化，支持多个 AI 大模型，可直观查看、对比提示词优化
支持在线使用、Chrome 插件、Vercel部署、Docker部署
📑相关阅读
PromptPilot - 字节跳动推出的 AI 提示词优化工具
GitHub
GitHub - linshenkx/prompt-optimizer: 一款提示词优化器，助力于编写高质量的提示词
一款提示词优化器，助力于编写高质量的提示词. Contribute to linshenkx/prompt-optimizer development by creating an account on GitHub.
#Flux #图像处理 #AI
🎥 一款基于 Flux Kontext 模型开发的老照片修复在线工具
该工具可修复老照片、修复划痕和损坏，还能给黑白照片上色
实测效果还可以，目前完全免费
🎥 一款基于 Flux Kontext 模型开发的老照片修复在线工具
该工具可修复老照片、修复划痕和损坏，还能给黑白照片上色
实测效果还可以，目前完全免费
restoreoldphotos.io
Restore Old Photos
Restore Your Old Photos Online With AI For Free.
#自动化 #自媒体 #工具
🔁 自媒体运营助手 - 一个开源的浏览器自动化工具
⬇️ 下载页面
自媒体运营工具支持一键视频搬家、下载，一键发布视频到多平台，一键搬家到快手、YouTube、小红书、美拍、哔哩哔哩等平台
支持 Windows、macOS
🔁 自媒体运营助手 - 一个开源的浏览器自动化工具
⬇️ 下载页面
自媒体运营工具支持一键视频搬家、下载，一键发布视频到多平台，一键搬家到快手、YouTube、小红书、美拍、哔哩哔哩等平台
支持 Windows、macOS
#开源 #下载工具
🎓 knowledge-grab - 国家中小学智慧教育平台资源下载器
⬇️ 下载页面
功能是可以从国家中小学智慧教育平台下载特定教育资源，支持批量下载、分类下载。支持Windows、macOS、Linux
☀️ 适合教育工作者、家里有娃的家长
🎓 knowledge-grab - 国家中小学智慧教育平台资源下载器
⬇️ 下载页面
功能是可以从国家中小学智慧教育平台下载特定教育资源，支持批量下载、分类下载。支持Windows、macOS、Linux
☀️ 适合教育工作者、家里有娃的家长
GitHub
GitHub - alterem/knowledge-grab: knowledge-grab 是一个基于 Tauri 和 Vue 3 构建的桌面应用程序，方便用户从 国家中小学智慧教育平台 (basic.smartedu.cn) 下载各类教育资源。
knowledge-grab 是一个基于 Tauri 和 Vue 3 构建的桌面应用程序，方便用户从 国家中小学智慧教育平台 (basic.smartedu.cn) 下载各类教育资源。 - alterem/knowledge-grab
Telegraphite 是一款功能强大的工具，用于从公开 Telegram 源中提取和保存帖子，具有多种功能。
它支持从多个频道提取帖子、以 JSON 格式保存数据、上传媒体文件和按关键字过滤。
该工具可在计划模式和连续模式下运行，并能删除重复的帖子。
可按关键字或内容类型（纯文本、纯媒体）筛选。
数据存储在结构化目录中，每个 posts.json 文件都包含帖子信息，如 ID、日期和内容。
🧬 https://github.com/hamodywe/telegram-scraper-TeleGraphite
#tools
它支持从多个频道提取帖子、以 JSON 格式保存数据、上传媒体文件和按关键字过滤。
该工具可在计划模式和连续模式下运行，并能删除重复的帖子。
可按关键字或内容类型（纯文本、纯媒体）筛选。
数据存储在结构化目录中，每个 posts.json 文件都包含帖子信息，如 ID、日期和内容。
🧬 https://github.com/hamodywe/telegram-scraper-TeleGraphite
#tools
GitHub
GitHub - hamodywe/telegram-scraper-TeleGraphite: A fast and reliable Telegram channel scraper that fetches posts and exports them…
A fast and reliable Telegram channel scraper that fetches posts and exports them to JSON. - hamodywe/telegram-scraper-TeleGraphite
#插件 #图片放大 #开源
Hover Zoom +
网页图片/视频放大插件，鼠标悬停任意网页缩略图，即可无缝放大至原始尺寸，并自动适配视窗，适用于 Facebook、Amazon、微博、知乎、B 站、抖音、虎扑、图虫等网站，支持 Chrome、Firefox、Edge 浏览器，免费开源。
🐙 GitHub 🌐 Chrome
Hover Zoom +
网页图片/视频放大插件，鼠标悬停任意网页缩略图，即可无缝放大至原始尺寸，并自动适配视窗，适用于 Facebook、Amazon、微博、知乎、B 站、抖音、虎扑、图虫等网站，支持 Chrome、Firefox、Edge 浏览器，免费开源。
🐙 GitHub 🌐 Chrome
GitHub
GitHub - extesy/hoverzoom: Google Chrome extension for zooming images on mouse hover
Google Chrome extension for zooming images on mouse hover - extesy/hoverzoom
高效上下文工程实用指南，助力 Gemini 2.5 和 ManusAI 优化性能与成本控制：
• 上下文顺序关键🧩：采用“追加式”上下文，将新信息追加到末尾，提升缓存命中率，降低4倍成本与延迟。
• 工具管理需稳定🔧：避免任务中途变更工具顺序或可用性，防止缓存失效和模型混乱。
• 外部记忆不可少💾：主动写入上下文和目标至外部存储，防止信息丢失。Manus 典型任务需调用约50次工具。
• 定期复述目标🎯：让模型周期性重申任务目标，保持关注重点，防止迷失方向。
• 错误信息要保留⚠️：上下文中保留错误提示，帮助模型从错误中学习，避免重复失误。
方法论核心在于稳定输入结构与闭环反馈，确保模型持续聚焦与高效执行，提升长期任务可靠性与成本效益。
• 上下文顺序关键🧩：采用“追加式”上下文，将新信息追加到末尾，提升缓存命中率，降低4倍成本与延迟。
• 工具管理需稳定🔧：避免任务中途变更工具顺序或可用性，防止缓存失效和模型混乱。
• 外部记忆不可少💾：主动写入上下文和目标至外部存储，防止信息丢失。Manus 典型任务需调用约50次工具。
• 定期复述目标🎯：让模型周期性重申任务目标，保持关注重点，防止迷失方向。
• 错误信息要保留⚠️：上下文中保留错误提示，帮助模型从错误中学习，避免重复失误。
方法论核心在于稳定输入结构与闭环反馈，确保模型持续聚焦与高效执行，提升长期任务可靠性与成本效益。
manus.im
Context Engineering for AI Agents: Lessons from Building Manus
This post shares the local optima Manus arrived at through our own "SGD". If you're building your own AI agent, we hope these principles help you converge faster.
构建知识图谱的核心工具：LangChain LLM Graph Transformer
• 将非结构化文本高效转化为结构化知识图谱，实体与关系一目了然，支持复杂多跳推理和检索增强生成（RAG）应用。
• 双模式支持：默认工具模式利用LLM结构化输出或函数调用，精准提取节点、关系及属性；备选提示模式通过few-shot提示实现兼容无工具支持模型，确保广泛适用。
• 灵活定义图谱Schema，支持节点类别、关系类型及属性的细粒度设定，显著提升提取一致性与准确性，减少不同运行间的输出波动。
• 严格模式（strict_mode）自动过滤不符合Schema的冗余信息，保证图谱清晰规范，便于后续分析与应用。
• 兼容Neo4j图数据库，支持云端Neo4j Aura或本地部署，便捷导入图谱数据，且可附带源文档实现结构化与非结构化检索融合。
• 采用异步处理，多文档并行提取，大幅提升效率，适合大规模知识图谱构建。
• 目前属性抽取仅限工具模式，属性均以字符串形式存在，属性定义为全局统一，未来可期待更细化定制。
通过结构化图谱表达复杂实体关系，极大增强数据的可查询性与推理能力，突破传统文本检索瓶颈，推动知识驱动型智能应用迈向新高度。
• 将非结构化文本高效转化为结构化知识图谱，实体与关系一目了然，支持复杂多跳推理和检索增强生成（RAG）应用。
• 双模式支持：默认工具模式利用LLM结构化输出或函数调用，精准提取节点、关系及属性；备选提示模式通过few-shot提示实现兼容无工具支持模型，确保广泛适用。
• 灵活定义图谱Schema，支持节点类别、关系类型及属性的细粒度设定，显著提升提取一致性与准确性，减少不同运行间的输出波动。
• 严格模式（strict_mode）自动过滤不符合Schema的冗余信息，保证图谱清晰规范，便于后续分析与应用。
• 兼容Neo4j图数据库，支持云端Neo4j Aura或本地部署，便捷导入图谱数据，且可附带源文档实现结构化与非结构化检索融合。
• 采用异步处理，多文档并行提取，大幅提升效率，适合大规模知识图谱构建。
• 目前属性抽取仅限工具模式，属性均以字符串形式存在，属性定义为全局统一，未来可期待更细化定制。
通过结构化图谱表达复杂实体关系，极大增强数据的可查询性与推理能力，突破传统文本检索瓶颈，推动知识驱动型智能应用迈向新高度。
Medium
Building Knowledge Graphs with LLM Graph Transformer
A deep dive into LangChain’s implementation of graph construction with LLMs
面向开发者和内容创作者的先进视频制作框架，专注于用代码驱动视频生成与编辑，提升工作流效率与创意自由度。🎥
• 基于 React，支持用熟悉的前端技术构建高质量视频组件，实现动态内容与交互式设计。
• 提供完整渲染管线，兼容浏览器和服务器端渲染，确保视频输出高效且稳定。
• 支持多种格式导出，灵活适配不同平台需求，覆盖社交媒体、广告及教育视频制作场景。
• 内置时间轴和动画控制，便于精细调整视频节奏和视觉效果，提升内容表现力。
• 强调代码驱动的创作流程，促进版本管理、团队协作及自动化生产，适合规模化视频项目。
• 开源生态活跃，拥有丰富插件与社区支持，持续优化功能与性能。
Remotion通过代码与视频的结合，打破传统编辑限制，推动视频制作进入高度模块化与自动化时代。适合追求效率与创新的专业团队长期参考与应用。
Remotion | #框架
• 基于 React，支持用熟悉的前端技术构建高质量视频组件，实现动态内容与交互式设计。
• 提供完整渲染管线，兼容浏览器和服务器端渲染，确保视频输出高效且稳定。
• 支持多种格式导出，灵活适配不同平台需求，覆盖社交媒体、广告及教育视频制作场景。
• 内置时间轴和动画控制，便于精细调整视频节奏和视觉效果，提升内容表现力。
• 强调代码驱动的创作流程，促进版本管理、团队协作及自动化生产，适合规模化视频项目。
• 开源生态活跃，拥有丰富插件与社区支持，持续优化功能与性能。
Remotion通过代码与视频的结合，打破传统编辑限制，推动视频制作进入高度模块化与自动化时代。适合追求效率与创新的专业团队长期参考与应用。
Remotion | #框架
www.remotion.dev
Remotion | Make videos programmatically
n8n 开源自动化生态全景图，聚焦社区前100热门节点，构建高效工作流的必备资源库
• 2515+ 社区节点，涵盖通信、文档生成、浏览器自动化、数据处理、API 集成、AI 语音、文件处理等八大类，持续高速增长，平均每日新增14.5个节点。
• 通信与消息节点支持 WhatsApp、Zalo、Discord、ChatWoot 等主流渠道，月下载量最高节点突破190万，助力多渠道消息自动化。
• 文档与内容生成节点支持动态文档、二维码、Notion 转 Markdown、AI PDF 生成，提升内容创作效率。
• 浏览器自动化与网络爬虫节点集成 Puppeteer、Playwright、ScrapeNinja，简化网页数据抓取与自动操作。
• 数据处理节点覆盖文本处理、OCR、加密解密、数据验证等多样功能，保障数据质量与安全。
• API 与云服务节点涵盖 Asaas、Apify、Brave Search、Kommo、Binance、TikTok、Power BI 等主流平台，打通业务系统边界。
• AI、LLM 及语音节点紧跟前沿，支持 ElevenLabs 语音合成、Perplexity AI、AI 图像生成等，赋能智能化自动化。
• 文件与 PDF 节点强力支持图片转 PDF、视频编辑等多媒体处理，扩展工作流应用场景。
• 社区维护活跃，节奏快，数据实时更新，适合长期参考与二次开发，助力构建可持续的自动化体系。
n8n 生态通过开放社区节点的持续迭代，打造了一个灵活、可扩展的自动化底座，赋能开发者和企业实现端到端的数字化转型。
#资源参考 #AI #n8n
• 2515+ 社区节点，涵盖通信、文档生成、浏览器自动化、数据处理、API 集成、AI 语音、文件处理等八大类，持续高速增长，平均每日新增14.5个节点。
• 通信与消息节点支持 WhatsApp、Zalo、Discord、ChatWoot 等主流渠道，月下载量最高节点突破190万，助力多渠道消息自动化。
• 文档与内容生成节点支持动态文档、二维码、Notion 转 Markdown、AI PDF 生成，提升内容创作效率。
• 浏览器自动化与网络爬虫节点集成 Puppeteer、Playwright、ScrapeNinja，简化网页数据抓取与自动操作。
• 数据处理节点覆盖文本处理、OCR、加密解密、数据验证等多样功能，保障数据质量与安全。
• API 与云服务节点涵盖 Asaas、Apify、Brave Search、Kommo、Binance、TikTok、Power BI 等主流平台，打通业务系统边界。
• AI、LLM 及语音节点紧跟前沿，支持 ElevenLabs 语音合成、Perplexity AI、AI 图像生成等，赋能智能化自动化。
• 文件与 PDF 节点强力支持图片转 PDF、视频编辑等多媒体处理，扩展工作流应用场景。
• 社区维护活跃，节奏快，数据实时更新，适合长期参考与二次开发，助力构建可持续的自动化体系。
n8n 生态通过开放社区节点的持续迭代，打造了一个灵活、可扩展的自动化底座，赋能开发者和企业实现端到端的数字化转型。
#资源参考 #AI #n8n
GitHub
GitHub - restyler/awesome-n8n: Useful n8n resources: list of community nodes and tutorials
Useful n8n resources: list of community nodes and tutorials - restyler/awesome-n8n
专为开发者优化的 Claude Code 扩展框架，融合专用命令、智能角色与 MCP 服务器，助力高效开发流程。
• 16 条高频开发命令覆盖实现、构建、设计、分析、测试、文档等核心环节，提升任务执行效率🛠
• 多领域智能角色（架构师、前端、后端、安全等）自动匹配专家视角，精准应对复杂场景🎭
• MCP 服务器集成支持官方文档调用、UI 组件生成、浏览器自动化，扩展能力显著提升🔧
• 统一 CLI 安装器和多种安装方式，兼容 Python 3.8+，支持跨平台 uv / uvx 快速部署
• 任务管理与 Token 优化机制，保障长会话下的上下文连贯与资源节省
• v3 架构更简洁、性能更优，移除钩子系统以待 v4 重新设计，持续迭代中
SuperClaude 通过模块化设计与智能路由，将 AI 助手从泛用工具转变为开发者的多面能手，提升协同效率与专业深度。
长期价值：架构调整体现对稳定性与可扩展性的深刻理解，代码与文档开放，适合持续贡献与社区共建。
SuperClaude v3 | #框架
• 16 条高频开发命令覆盖实现、构建、设计、分析、测试、文档等核心环节，提升任务执行效率🛠
• 多领域智能角色（架构师、前端、后端、安全等）自动匹配专家视角，精准应对复杂场景🎭
• MCP 服务器集成支持官方文档调用、UI 组件生成、浏览器自动化，扩展能力显著提升🔧
• 统一 CLI 安装器和多种安装方式，兼容 Python 3.8+，支持跨平台 uv / uvx 快速部署
• 任务管理与 Token 优化机制，保障长会话下的上下文连贯与资源节省
• v3 架构更简洁、性能更优，移除钩子系统以待 v4 重新设计，持续迭代中
SuperClaude 通过模块化设计与智能路由，将 AI 助手从泛用工具转变为开发者的多面能手，提升协同效率与专业深度。
长期价值：架构调整体现对稳定性与可扩展性的深刻理解，代码与文档开放，适合持续贡献与社区共建。
SuperClaude v3 | #框架
GitHub
GitHub - SuperClaude-Org/SuperClaude_Framework: A configuration framework that enhances Claude Code with specialized commands,…
A configuration framework that enhances Claude Code with specialized commands, cognitive personas, and development methodologies. - SuperClaude-Org/SuperClaude_Framework
A Survey on LoRA of Large Language Models：大型语言模型参数高效微调利器LoRA综述资源库
• LoRA（低秩适配）通过插入低秩矩阵，实现对大模型密集层的高效微调，显著降低参数量与计算成本。
• 支持跨任务泛化，结合多种LoRA插件提升适应性，兼顾隐私保护，适合联邦学习场景。
• 分类详尽，涵盖下游任务优化、效率提升、过拟合缓解、动态秩分配、梯度压缩、多专家混合等前沿方法。
• 丰富应用覆盖语言理解、代码生成、模型对齐、医学、金融、视觉、音视频多模态等多个垂类领域。
• 配套大量最新论文与开源代码，持续更新，助力研究者和工程师深入掌握LoRA技术全貌与未来趋势。
• 方法论提炼强调：参数效率 ≠ 简单减参，需结合动态分配、优化策略及混合专家机制实现泛化与稳健性。
• LoRA（低秩适配）通过插入低秩矩阵，实现对大模型密集层的高效微调，显著降低参数量与计算成本。
• 支持跨任务泛化，结合多种LoRA插件提升适应性，兼顾隐私保护，适合联邦学习场景。
• 分类详尽，涵盖下游任务优化、效率提升、过拟合缓解、动态秩分配、梯度压缩、多专家混合等前沿方法。
• 丰富应用覆盖语言理解、代码生成、模型对齐、医学、金融、视觉、音视频多模态等多个垂类领域。
• 配套大量最新论文与开源代码，持续更新，助力研究者和工程师深入掌握LoRA技术全貌与未来趋势。
• 方法论提炼强调：参数效率 ≠ 简单减参，需结合动态分配、优化策略及混合专家机制实现泛化与稳健性。
GitHub
GitHub - ZJU-LLMs/Awesome-LoRAs
Contribute to ZJU-LLMs/Awesome-LoRAs development by creating an account on GitHub.
Colette：面向技术文档的本地多模态检索增强生成（RAG）开源平台
• 核心采用视觉RAG（V-RAG）技术，将文档转为图像处理，完整保留图表、布局等视觉元素，提升对复杂技术文档的理解能力
• 支持文本RAG，结合非结构化文本抽取、嵌入和主流大语言模型，实现多模态融合检索与交互
• 多模型支持，兼容多种嵌入器与视觉语言模型，灵活适配不同场景
• 集成图像生成（diffusers），增强交互体验与内容创作能力
• 自托管部署，基于Docker，满足数据隐私需求，适合存储和处理敏感技术资料
• 适用环境配置明确（GPU≥24GB，内存≥16GB，磁盘≥50GB），确保性能稳定
• 详细命令行与Python API示例，方便快速集成与二次开发
• 困难排查指南助力优化检索准确性，支持社区反馈与持续迭代
从本质看，Colette围绕“视觉优先”的多模态理解方法，突破传统文本检索局限，提升技术文档智能交互的深度和精度，适合企业与研发机构构建安全、可控的知识管理系统。
#资源参考 #RAG
• 核心采用视觉RAG（V-RAG）技术，将文档转为图像处理，完整保留图表、布局等视觉元素，提升对复杂技术文档的理解能力
• 支持文本RAG，结合非结构化文本抽取、嵌入和主流大语言模型，实现多模态融合检索与交互
• 多模型支持，兼容多种嵌入器与视觉语言模型，灵活适配不同场景
• 集成图像生成（diffusers），增强交互体验与内容创作能力
• 自托管部署，基于Docker，满足数据隐私需求，适合存储和处理敏感技术资料
• 适用环境配置明确（GPU≥24GB，内存≥16GB，磁盘≥50GB），确保性能稳定
• 详细命令行与Python API示例，方便快速集成与二次开发
• 困难排查指南助力优化检索准确性，支持社区反馈与持续迭代
从本质看，Colette围绕“视觉优先”的多模态理解方法，突破传统文本检索局限，提升技术文档智能交互的深度和精度，适合企业与研发机构构建安全、可控的知识管理系统。
#资源参考 #RAG
GitHub
GitHub - jolibrain/colette: Multimodal RAG to search and interact locally with technical documents of any kind
Multimodal RAG to search and interact locally with technical documents of any kind - jolibrain/colette
