基于多模态 Embedding + Zilliz + Qwen 视觉理解的多模态 RAG 系统。支持 **Cohere / DashScope Embedding** 和 **DashScope / OpenRouter LLM** 双引擎切换。上传 PDF，用自然语言提问，系统自动检索最相关的页面并由 AI 生成回答。 与传统 RAG 不同，本系统**不做文本提取和 OCR**，而是直接将 PDF 页面当作图片处理，通过视觉 Embedding 模型编码，完整保留表格、图表、排版、手写批注等所有视觉信息。
☆41May 12, 2026Updated 5 months ago
Alternatives and similar repositories for Multimodal-RAG
Users that are interested in Multimodal-RAG are comparing it to the libraries listed below. We may earn a commission when you buy through links labeled 'Ad' on this page.
Sorting:
- 基于 [Karpathy llm-wiki]方法论，利用 AI 持续构建和维护你的个人知识库。支持从多种素材源（网页、推特、公众号、小红书、知乎、YouTube、PDF、本地文件）自动整理为结构化的 wiki，并通过 Quartz 发布为静态wiki知识库网站。 并通过 c…☆157Apr 29, 2026Updated 5 months ago
- 一个小而精美的桌面打印工具，把图片、Office 文档、PDF 等文件直接拖进去一键打印，省去逐个打开文件再点打印的麻烦（跨平台 mac/windows） 。☆16Aug 7, 2026Updated 2 months ago
- Autonomous Rust utility that load balances multiple https://ollama.com/ servers☆26Apr 9, 2025Updated last year
- "@openai/agents" 技术的Insight 洞察 - AI 用户需求洞察分析师 一个基于三段式用户洞察框架的 AI 分析工具。输入你的产品或服务，AI 洞察分析师会用 10 分钟完成传统方法需要数周的用户洞察分析。☆18Jul 1, 2026Updated 3 months ago
- An image toolbox based on Nano Banana Pro. It provides quick and easy generation tools, local image management, and lets users manage the…☆53Apr 18, 2026Updated 6 months ago
- Deploy to Railway using AI coding agents - Free Credits Offer • AdUse Claude Code, Codex, OpenCode, and more. Autonomous software development now has the infrastructure to match with Railway.
- 本地 AI 图片与视频创作工作台，整合提示词、生成任务、项目素材、对话式工作流、在线画板和 Electron 桌面端。 Resources☆30May 6, 2026Updated 5 months ago
- 基于无限画布的 AI 视频创作工作流——从一句话到成片：分镜脚本、文生图/图生图、图生视频、配音、字幕擦除、视频合成，并内置可操作画布的 AI Agent。☆30Jul 21, 2026Updated 3 months ago
- 基于 Claude Agent SDK 的 AI 财经图表对话助手。用户通过自然语言对话，自动查询 A 股上市公司财务数据并生成专业分析图表。 ## 功能特性 - **自然语言交互** — 输入公司名或分析需求，AI 自动解析意图并执行 - **6 种专业图表** — …☆16May 29, 2026Updated 4 months ago
- 一个为 Claude Code 设计的简化版多智能体研究系统，通过并行子代理执行基于 Web 的综合性研究。 概述 本 系统使用三种专门的代理类型： 研究主导代理（Research Lead Agent）：统筹研究、规划任务、委派给子代理、综合发现 研究子代理（Resea…☆37Jan 13, 2026Updated 9 months ago
- 通用知识库管理平台，用于自建 RAG 知识库场景。支持多种文档解析、灵活切分策略、混合检索，可对接 Dify、自建页面、HTTP 调用等多种前端入口。☆117Jul 23, 2026Updated 3 months ago
- ZCode Dual-use / safety-boundary disk prompt editor☆33Sep 21, 2026Updated last month
- Covers createAgent, init, defineTool, defineAgentProfile, routing, SSE streaming, production deployment, and all known pitfalls. --- # …☆22Jun 3, 2026Updated 4 months ago
- One Developer. An Entire Fleet of Autonomous Coding Agents. Local-first desktop agent workbench built on Electron + pi.☆128Updated this week
- 爬取知识星球内容，并制作 PDF 电子书。☆15Mar 18, 2020Updated 6 years ago
- Deploy to Railway using AI coding agents - Free Credits Offer • AdUse Claude Code, Codex, OpenCode, and more. Autonomous software development now has the infrastructure to match with Railway.
- 企业微信 Agent 项目 `wecomcli-crm` 基于 [wecom-cli] 搭建的企业微信 Agent 工作台。通过 Claude Code/openclaw + Skills 实现 AI 驱动的 CRM 客户管理、消息处理、会议日程等企业微信操作。☆28Apr 2, 2026Updated 6 months ago
- ☆37Mar 5, 2026Updated 7 months ago
- Claude AI 的使用指南和最佳实践中文版 https://github.com/anthropics/claude-cookbooks☆19Feb 26, 2026Updated 7 months ago
- JavaScript port of Python f2 - Multi-platform content downloader (Douyin/TikTok)☆20Mar 10, 2026Updated 7 months ago
- 探索 Claude Agent SDK 能力的实验项目。通过 Skill 系统让 AI 理解 SDK 文档，进而自主构建了一个 TikHub 社交媒体数据对话助手。 本项目是利用 .claude/skills/claude-agent-sdk 建立 claude-agen…☆35May 29, 2026Updated 4 months ago
- 🚀 Intelligent Ollama API proxy pool based on Cloudflare Workers - 基于 Cloudflare Workers 的智能 Ollama API 代理池，支持多账号轮询、自动故障转移、负载均衡和统一鉴权☆26Jan 21, 2026Updated 9 months ago
- 一个用于 AI 虚拟试衣的 Agent Skill。用户可以通过“上传服装图/模特图”或“文字描述”快速生成试穿效果图，并可继续生成多角度素材和展示视频。☆99Apr 2, 2026Updated 6 months ago
- Windows 桌面端 屏幕录制应用☆38May 29, 2026Updated 4 months ago
- workbuddy/ codex skill , 一个让 AI 帮你 5 分钟深度调研任意中国城市周末玩法的agent skill, 寻找精神旷野：户外消费告别长途远行、装备内卷，转向日常低成本微沉浸；菜市场、城市老街成为年轻人精神微旅行目的地，CityWalk 演化成主…☆82Sep 23, 2026Updated last month
- 1-Click AI Models by DigitalOcean Gradient • AdDeploy popular AI models on DigitalOcean Gradient GPU virtual machines with just a single click. Zero configuration with optimized deployments.
- ⚡ High-concurrency async Codex auth credential scanner & cleaner. 200+ coroutines, auto-detect 401/expired tokens, one-click purge. Works…☆37Jun 18, 2026Updated 4 months ago
- 电商 AI 生图爆款流水线 — 输入新品平铺图，自动检索相似爆款、分析风格，生成专业宣传图。 ## 项目简介 跨境电商场景中，商家每出一款新品都需要制作宣传图（模特穿着商品的照片）。传统方式需要请模特、搭场景、拍摄修图，成本高、周期长。 本项目实现了一套全自动的 AI…☆350May 6, 2026Updated 5 months ago
- Reddit 商业创意验证器（reddit-business-idea-validator） > 给 agent 用的 Skill。你说一个创业想法，它自动去 Reddit 抓帖子 + 评论，让 AI 分析痛点、现有方案、市场机会，最后给你一份打分（0–100）的 HT…☆38Aug 15, 2026Updated 2 months ago
- 1-Click LLM Server on Your Phone — no Termux needed! 无需Termux，一键让你的手机变成LLM服务器！☆97Updated this week
- SeekMoney-ai ，找商机，覆盖全视频社交媒体渠道。一人低成本完成需求挖掘与验证- 多平台数据采集（抖音、小红书、TikTok、Bilibili、微信视频号、YouTube） - 基于 openai兼容/GLM + embedding + DBSCAN 的语义聚类…☆170Jul 6, 2026Updated 3 months ago
- OpenAI-compatible gateway for todofor.ai with account pooling, tool calling, and streaming☆26Aug 22, 2026Updated 2 months ago
- ☆48Sep 18, 2026Updated last month
- OpenAI-compatible multi-channel LLM relay gateway with admin console☆43Updated this week
- ☆40Mar 31, 2025Updated last year
- Virtual machines for every use case on DigitalOcean • AdGet dependable uptime with 99.99% SLA, simple security tools, and predictable monthly pricing with DigitalOcean's virtual machines, called Droplets.
- A lightweight MCP management platform designed for independent developers, providing MCP server gateway, grouping, fuzzy search, and MCP …☆27Jun 17, 2026Updated 4 months ago
- ☆17Updated this week
- ☆22Feb 15, 2026Updated 8 months ago
- DeepSeek V4-Flash Vision RAG 让 AI 真正"看懂" 一份 PDF，然后你对它提问：它告诉你答案、答案在第几页， 并把那一页的原图展示出来给你核对。 基于 DeepSeek 视觉大模型 deepseek-v4-flash-vision-exp …☆74Aug 31, 2026Updated last month
- ☆46Updated this week
- HyperFrames-fix 一键生成可上传有流量视频 。目的是让 HyperFrames 生成视频适应国内需求，1 流畅的中文语音， 2 中文短视频样式新增， 3 优化整个生成视频流程。 基本上现在一键就可以完成横版竖版的快节奏短视频，例如随便丢给一个文章，一个doc，…☆239Jul 10, 2026Updated 3 months ago
- Three.js lowcode editor beta☆20Jun 28, 2026Updated 3 months ago