knowhere: 一個將非結構化資料轉換為階層圖的文件記憶層，用於代理 RAG

它解決了什麼問題

Knowhere 解決了「髒亂」的非結構化文件問題（如複雜的 PDF、Office 檔案和圖片），這些文件對 AI 代理來說難以使用。傳統的 RAG 常會將這些文件壓平成孤立的文字片段，導致語義上下文和階層的遺失，進而降低 AI 代理回應的準確性和可靠性。

它是如何運作的

Knowhere 作為一個記憶層，以兩個主要階段處理文件：

1. 解析並建構記憶：它使用專門的解析器（如 MinerU）來擷取多模態檔案。專屬的樹狀演算法接著重建文件的原始階層並構建輕量級記憶圖，確保區塊保留其語義上下文和關係。
2. 代理檢索：與其進行簡單的向量查詢，不如讓 AI 代理導航重建的章節樹和圖鏈接。這使得代理能夠「鑽研」到文件中相關的區域，類似於人類讀者的閱讀方式，並基於可追溯的來源路徑提供引用。

適合對象

它專為需要處理複雜、長篇或多模態文件，同時保持高檢索準確性和基於證據的可追溯性的 AI 代理和代理 RAG 工作流程的開發者而設計。

特點

• 多模態支援：使用 VLM 提取並總結表格和圖像，並將其連結回來源文字。
• 階層保留：重建文件結構以防止語義碎片化。
• 代理導航：結合傳統搜索（RRF）與文件樹和圖的自主導航。
• 廣泛格式支援：處理 PDF、DOCX、PPTX、XLSX、CSV、圖像、Markdown 和文字。
• 模型不可知：支援多種 LLM/VLM 提供者，包括 DeepSeek、Qwen、OpenAI 等.