Claude Code + RAG-Anything = 潜力无限

하이라이트

• RAG-Anything 通过集成开源文档解析器 MinerU，实现了对 PDF 扫描件、图表、图形和 LaTeX 方程的自动化处理。

• 该系统将非文本内容拆分为文本桶和图像桶，通过 PaddleOCR 提取文字，并对复杂图表进行截图处理以降低 API 调用成本。

• RAG-Anything 本质上是 LightRAG 的封装层，处理后的非文本数据最终会与 LightRAG 的知识图谱和向量数据库完成自动合并。

• 系统支持在本地使用 Ollama 或通过 OpenAI GPT 5.4 Nano 模型将提取的内容分解为实体、关系和嵌入向量。

• 用户可以通过 Claude Code 的自定义技能（Skill）实现非文本文件的批量上传，避开了 LightRAG 原生 UI 仅支持文本的限制。

• 在处理带有月度营收柱状图的虚构 Novatech PDF 时，该系统成功准确提取并返回了 1 月至 9 月的具体财务数值。

타임라인

1. 00:00:00 - 00:01:38

   传统 RAG 系统的局限性与 RAG-Anything 的定位

   现实世界中的文档往往包含大量非文本元素，单纯的文本检索系统无法满足复杂办公需求。RAG-Anything 由开发 LightRAG 的原团队打造，能够直接插入现有的技术栈中。这种架构确保了即使是扫描件或技术图纸，最终也能进入统一的知识库供用户提问。

   • 大多数 RAG 系统仅能处理纯文本，无法识别 PDF 扫描件中的图像或复杂图表。
   • RAG-Anything 专门为解决非文本处理难题而设计，可处理图像、图表和图形。
   • 此方案作为 LightRAG 的封装层，允许用户使用相同的 API 和知识图谱结构。
2. 00:01:39 - 01:10:30

   多模态数据处理的底层逻辑与架构分析

   这种“手术刀”式的拆解方法比直接将整页文档发送给大模型更节省金钱和时间。文本内容直接提取，而图像则由 GPT 5.4 等多模态模型提取其中的实体和关系。通过这种双路径策略，昂贵的视觉 API 调用仅用于必要的截图部分，提高了整体处理效率。

   • 本地开源工具 MinerU 使用微型专业化模型将文档拆分为页眉、文本、图表和方程等组成部分。
   • PaddleOCR 模型负责将扫描文本转化为可编辑文字，而图像部分则被转化为截图处理。
   • 系统并行生成两套向量数据库和知识图谱，分别对应文本路径和图像路径，最后进行重叠合并。
3. 00:10:31 - 01:13:00

   LightRAG 与 RAG-Anything 的深度集成

   在最终的合并阶段，RAG-Anything 会根据实体名称将不同路径获得的信息进行匹配。这意味着用户提出的自然语言问题会同时在文本生成的索引和图像生成的索引中寻找答案。对用户而言，这个复杂的后端过程完全不可见，查询体验与纯文本系统保持一致。

   • RAG-Anything 生成的四种产物（两套向量库、两套知识图谱）最终会合并为一套标准结构。
   • 用户在查询时无需区分数据来源，系统会自动匹配相关的向量和实体关系。
   • 集成后的系统保留了 LightRAG 的所有功能，并扩展了对非文本文件的支持。
4. 01:13:01 - 01:16:42

   基于 Claude Code 的自动化安装与技能配置

   由于环境配置涉及 Docker 容器重启和模型版本更新（如将 GPT 4.0 Mini 升级为 5.4 Nano），手动操作较为繁琐。使用 Claude Code 可以自动修复 GitHub 原始脚本中的“嵌入双重包装”Bug。此外，将上传逻辑封装成 Claude 技能后，用户只需输入自然语言指令即可批量处理整个文件夹的非文本文件。

   • 通过单次提示词即可让 Claude Code 完成 MinerU 下载、依赖安装及 Docker 路径更新。
   • 系统默认在 CPU 上运行 MinerU，但用户可以通过安装特定版本的 PyTorch 切换至 GPU 加速。
   • 由于 RAG-Anything 缺乏图形界面，通过 Claude Code 创建 Python 脚本技能是目前最高效的上传方式。
5. 01:16:43 - 01:19:18

   实战演示：复杂图表的数据提取与问答

   以 Novatech 公司的虚构报告为例，即使原始数据仅存在于图片格式的柱状图中，系统也能给出从 1 月（4.6）到 9 月的具体月度趋势明细。这证明了 RAG-Anything 在处理视觉数据时的准确性。该方案相比商业多模态 RAG 产品更为廉价，尤其是在配合本地 MinerU 解析系统使用时。

   • 针对包含 SaaS 营收柱状图的 PDF 文档，系统成功提取了图表中的关键经营数据。
   • Claude Code 能够识别 LightRAG 的 API 结构，无需额外技能即可直接进行数据查询。
   • 系统支持调节 LightRAG 内部的检索权重参数，以优化非文本数据的找回率。