knowhere: 一个将非结构化数据转换为层次图的文档记忆层，用于代理 RAG

它解决的问题

Knowhere 解决了“脏乱”的非结构化文档（如复杂的 PDF、Office 文件和图像）难以被 AI 代理使用的问题。传统的 RAG 经常将这些文档压平为孤立的文本片段，导致语义上下文和层次结构的丢失，从而导致 AI 代理响应的准确性和可靠性降低。

它是如何工作的

Knowhere 作为一个记忆层，以两个主要阶段处理文档：

1. 解析并构建记忆：它使用专用解析器（如 MinerU）摄取多模态文件。专有的树状算法随后重建文档的原始层次结构并构建轻量级内存图，确保块保留其语义上下文和关系。
2. 代理检索：AI 代理不再依赖简单的向量查找，而是导航重建的章节树和图链接。这使得代理能够“钻取”到文档的相关区域，类似于人类读者的做法，并基于可追溯的源路径提供引用。

它适用于谁

它专为构建 AI 代理和代理 RAG 工作流的开发者设计，这些开发者需要在保持高检索准确性和基于证据的可追溯性的同时处理复杂、长格式或多模态文档。

亮点

• 多模态支持：使用 VLM 提取并总结表格和图像，并将其链接回源文本。
• 层次保存：重建文档结构以防止语义碎片化。
• 代理导航：将传统搜索（RRF）与文档树和图的自主导航相结合。
• 广泛格式支持：处理 PDF、DOCX、PPTX、XLSX、CSV、图像、Markdown 和文本。
• 模型不可知：支持多种 LLM/VLM 提供商，包括 DeepSeek、Qwen、OpenAI 等。

SUMMARY: Knowhere 是一个文档记忆层，将非结构化文件转换为可导航的层次内存图，以提高使用 RAG 的 AI 代理的准确性和可追溯性。

TITLE: knowhere: a document memory layer that transforms unstructured data into hierarchical graphs for agentic RAG