Claude Code + RAG-Anything = GRENZENLOS

하이라이트

• RAG-Anything erweitert das LightRAG-System um die Verarbeitung von Nicht-Text-Dokumenten wie Scans, Diagrammen und Bildern.

• Das Open-Source-Tool MinerU zerlegt Dokumente lokal auf der CPU oder GPU in Bestandteile wie Überschriften, LaTeX-Gleichungen und Bild-Screenshots.

• Die Architektur nutzt spezialisierte Modelle wie PaddleOCR zur Textextraktion, um Kosten im Vergleich zur rein Cloud-basierten Vision-Analyse zu senken.

• Das System führt zwei separate Vektordatenbanken und Wissensgraphen für Text- und Bildinhalte zu einer einheitlichen LightRAG-Struktur zusammen.

• Die Integration in Claude Code ermöglicht den Upload komplexer Dokumente über automatisierte Python-Skripte statt manueller Web-Interfaces.

• In einem Testfall extrahierte das System präzise monatliche Umsatzdaten aus einem fiktiven Balkendiagramm einer SaaS-Analyse.

타임라인

1. 00:00 - 01:43

   Limitierungen klassischer RAG-Systeme

   Standardmäßige RAG-Implementierungen sind auf digitale Textdateien angewiesen. Gescannte Dokumente oder komplexe Grafiken bleiben für diese Systeme unsichtbar. Durch die Erweiterung mit RAG-Anything werden diese Barrieren abgebaut, wobei die bestehende Infrastruktur von LightRAG als Basis erhalten bleibt.

   • Die meisten RAG-Systeme scheitern an Dokumenten, die keine reinen Textinformationen enthalten.
   • RAG-Anything dient als Wrapper für LightRAG, um gescannte PDFs und Grafiken verarbeitbar zu machen.
   • Alle extrahierten Daten fließen am Ende in denselben Wissensgraphen für einheitliche Abfragen ein.
2. 01:44 - 07:31

   Lokale Dokumentenanalyse mit MinerU

   MinerU fungiert als technisches Herzstück für die Vorverarbeitung. Es versteht den Inhalt nicht semantisch, ordnet aber jedem Bereich des Dokuments einen Typ zu. Dies ermöglicht eine hybride Verarbeitung, bei der Text lokal extrahiert wird, während komplexe visuelle Elemente für leistungsstärkere Modelle vorbereitet werden.

   • Das Open-Source-Tool MinerU erkennt Layout-Elemente wie Tabellen, Bilder und Formeln automatisch.
   • Spezialisierte Mini-Modelle wie PaddleOCR wandeln Bildtext auf dem lokalen Rechner in maschinenlesbaren Text um.
   • Inhalte, die nicht in Text transformierbar sind, werden als Screenshots für die spätere Vision-Analyse isoliert.
3. 07:32 - 13:07

   Hybride Architektur und Datenzusammenführung

   Statt das gesamte Dokument als teuren Screenshot an eine Cloud-KI zu senden, wird nur der notwendige Teil visuell analysiert. Die resultierenden Wissensgraphen werden über identische Entitäten abgeglichen. Dieser Prozess bleibt für den Endanwender unsichtbar, sorgt aber für eine präzisere Datenbasis.

   • Die Trennung in Text- und Bildpfade reduziert die Token-Kosten und erhöht die Verarbeitungsgeschwindigkeit.
   • Sowohl Text- als auch Bilddaten werden in Entitäten, Beziehungen und Vektor-Embeddings übersetzt.
   • Das System verschmilzt die Ergebnisse aus RAG-Anything und LightRAG zu einer einzigen Abfrageinstanz.
4. 13:08 - 16:41

   Installation und Workflow mit Claude Code

   Die Einrichtung erfordert den Download umfangreicher Abhängigkeiten wie PyTorch für die lokale Verarbeitung. Da RAG-Anything keine grafische Benutzeroberfläche für Uploads besitzt, wird Claude Code als Schnittstelle genutzt. Der Nutzer delegiert den Upload-Prozess per Sprachbefehl an den KI-Agenten.

   • Ein One-Shot-Prompt automatisiert die Installation von MinerU und die Konfiguration der Docker-Umgebung.
   • Die Einbindung von Nicht-Text-Dokumenten erfolgt mangels UI über spezifische Python-Skripte.
   • Ein Claude-Code-Skill übernimmt die Ausführung der Skripte und den anschließenden Neustart der Container.
5. 16:42 - 19:18

   Praxisbeispiel: Abfrage von Diagrammdaten

   Anhand einer fiktiven SaaS-Umsatzanalyse wird demonstriert, wie Bildinformationen in Textantworten fließen. Die Abfrage nach monatlichen Trends von Januar bis September lieferte exakte Zahlen, die zuvor nur grafisch vorlagen. Dies beweist die Effektivität der lokalen Vorverarbeitung in Kombination mit modernen LLMs.

   • Das System liefert detaillierte numerische Trends aus Bildquellen über eine Standard-API-Abfrage.
   • Claude Code optimiert Retrieval-Parameter wie Gewichtungen innerhalb von LightRAG automatisch.
   • Die Lösung bietet eine kostengünstige Alternative zu proprietären Enterprise-RAG-Plattformen.