Ontos-AI/knowhere

解決的問題

Knowhere 解決了為 AI 代理準備『髒』或複雜的非結構化文件（如 PDF 和 PowerPoint 簡報）的困難。傳統 RAG 通常依賴孤立片段的平面向量查找或脆弱的 OCR/版面提取，這可能導致文件的原始結構、閱讀順序和視覺上下文遺失，進而導致模型回應不可靠。

工作原理

Knowhere 透過兩步驟流程，將文件轉換為持久且可導航的記憶系統：

1. 解析並建立記憶：採用雙軌方法。文字軌道 保留原始結構以確保文字文件的可靠性，而 視覺軌道 則使用前沿視覺模型來整體理解複雜頁面。兩條軌道均被歸一化為單一的階層原生模式，儲存導航樹、連結資源與跨文件關係。
2. 代理檢索：不依賴固定流程，Knowhere 提供一組工具（大綱、結構過濾器、模糊召回等）。AI 代理可自主決定如何探索此記憶——遍歷章節樹或深入特定區域——以尋找並引用可追溯的證據。

適用對象

專為需要從複雜、本地或離線文件集合中進行高精度檢索的 AI 代理與 LLM 工作流程開發者設計，其中結構上下文與視覺證據至關重要。

主要亮點

• 雙軌解析：結合文字原生提取與基於視覺的頁面理解，適用於複雜 PDF 與簡報。
• 階層原生記憶：保留文件路徑、頁碼範圍與章節節點，而非孤立的片段。
• 代理原生檢索：允許代理自主導航文件的章節樹與跨文件圖譜。
• 基於頁面的引用：提供可追溯的引用，包括來源文件、章節路徑與渲染的視覺證據。
• 跨文件記憶圖譜：使用類型化實體與關鍵字連接命名空間內的相關文件。