Claude Code + RAG-Anything = 無限の可能性

하이라이트

• RAG Anythingはテキスト、画像、図表、グラフ、スキャンされたPDFを単一のナレッジグラフへ統合する。

• オープンソースのMinerUを使用してドキュメントをヘッダー、テキスト、数式、画像などの構成要素にローカル環境で分解する。

• テキストデータはPaddleOCRで処理し、画像やグラフはスクリーンショットとして保存してからGPT-5.4等のLLMで解析する経路に分かれる。

• 1つの非テキストドキュメントから2つのベクトルデータベースと2つのナレッジグラフを生成し、最終的に既存のLightRAGデータと統合する。

• Claude Codeのスキル機能を利用することで、コマンドラインから「rag-anything-upload」を実行し、複雑な解析パイプラインを自動化できる。

• NovaTech社の架空の収益グラフを用いた実演では、画像内の月次数値を正確に抽出し、1月の4.6から3月の5.4までの推移を回答した。

타임라인

1. 00:00 - 01:23

   テキスト限定RAGの限界とRAG Anythingによる解決

   ほぼすべてのRAGシステムが直面する「テキストのみ」という制約が、実世界の多様なデータ活用を妨げている。RAG AnythingはLightRAGと同じ開発チームによって作られた拡張機能であり、既存の環境に導入することで画像やスキャンされたPDFも処理対象に含める。ユーザーは以前と同じWeb UIやClaude Code経由のAPIを使用して、より広範なデータセットに対して質問を投げることができる。

   • 従来のRAGシステムはテキストドキュメント以外の画像や図表を扱うことができない。
   • RAG AnythingはLightRAGのプラグインとして動作し、画像やグラフを含むドキュメントを既存のナレッジグラフへ集約する。
2. 01:24 - 04:36

   ハイブリッド・アーキテクチャの内部構造

   システム内部では、非テキストデータを一度独立したデータベースとして構築してから、メインのLightRAGシステムとマージする手法を取っている。ドキュメントの取り込みにはPythonスクリプトが必要だが、Claude Codeに特定の「スキル」を学習させることで操作を簡略化している。この構造を理解することは、単なるツールの利用を超えて、独自のAI開発スキルを差別化する要素となる。

   • 非テキストドキュメント専用のナレッジグラフとベクトルデータベースを作成し、それをLightRAGのものと統合する。
   • ローカル環境にモデルをダウンロードして解析を行うため、動作は標準のRAGよりも重くなる。
3. 04:37 - 07:30

   MinerUによるドキュメントの自動分解プロセス

   スキャンされたPDFが投入されると、まずMinerUが視覚的な構造を解析し、各要素を適切な処理エンジンに振り分ける。MinerU自体は内容の意味を理解せず、あくまで「役割」を識別することに特化している。テキストブロックはOCRエンジンに送られ、数式は専用の数式モデルで処理されることで、LLMが理解可能な形式へと変換される。

   • MinerUはドキュメントをスキャンし、ヘッダー、テキスト、図表、LaTeX数式などのパーツに切り分ける。
   • PaddleOCRなどの特化型モデルが、画像内の文字を意味のあるテキストデータへローカルで変換する。
4. 07:31 - 13:00

   テキストと画像のデュアルパス処理と統合

   テキストと画像の2つの経路（バケツ）に分ける手法がRAG Anythingの核となる。画像部分はGPT-5.4などのモデルに送られ、そこからエンティティ（実体）とリレーションシップ（関係性）が抽出される。これにより、1つのファイルから4つの要素（2つのベクトルDB、2つのナレッジグラフ）が生成され、最後にエンティティを基準として1つの強固なデータベースに統合される。

   • テキスト部分は直接埋め込み（Embeddings）に変換し、画像部分はスクリーンショットを撮ってからLLMに送る。
   • ドキュメント全体を画像として送るのではなく、パーツごとに分離して処理することでコストと時間を大幅に削減する。
5. 13:01 - 19:18

   Claude Codeを用いたセットアップと実践

   インストールの煩雑さを解消するためにClaude Codeを活用し、ストレージパスの更新やバグ修正、最新モデルへの切り替えを自動で行う。実際の検証では、NovaTech社の棒グラフを含むPDFから、1月（4.6）から9月までの詳細な収益推移を抽出することに成功している。デフォルトではCPU動作だが、PyTorchのバージョンを変更することでGPU加速も可能となり、ローカル環境での解析効率を向上させることができる。

   • 専用のワンショット・プロンプトを使用して、MinerUの依存関係やモデル設定を自動でインストールする。
   • 画像内のグラフから具体的な数値を抽出し、自然言語の質問に対して正確な月次収益データを回答できる。