做了整整 7 年，但今天决定开源|专治 AI 幻觉的解析引擎拿去用吧

[cxd8190102]

之前在读博的时候，会遇到很多复杂的资料，以前没有 AI ，都是自己捣鼓一些小工具去辅助处理的，慢慢地就形成了一个稳定的解析项目雏形，但也只有身边的人在用。

后来有了 AI ，我们都以为，哟，高科技来了，要解放了。谁知一读 PDF 就开始胡说八道，分析起报告一堆数据错误。搞科研、学医、金融、数据行业的应该都明白吧。

这是遇上“AI 幻觉”了，因为 AI 只能扫描一些短平快的文字，复杂的格式它是解析不了的，所以你问它这种文档相关的问题，它只能胡乱编一个数据蒙你。

所以我结合之前的项目经验，做出了一个 AI 原生的文档解析工具——Knowhere ，专治“AI 幻觉”。并且今天开源出来给大家。

它能干的事很简单：帮 AI 去解析那些复杂难啃的文档：比方说大文件（ 20 页+）、层级多（八章 40 节 120 小点）、格式花的（ PDF/Excel/PPT ），通通都能搞定。

你只要安装好 Knowhere 插件，再把文件交给 AI ，AI 就会调用 Knowhere 。

复杂的文档经过 Knowhere 的解析，会变成方便 AI 理解的 JSON 等文件，AI 拿到解析过后的高质量文件切片去做检索和生成，就能给出更精确的回答。

除此之外，Knowhere 还有记忆功能，能把你给它的信息建成一棵“知识树”，在你提问的时候能根据历史跨文档给出答案。

我们实测：

• AI 产品感知提升 80%+，上百份文件扫描耗时 10min 内；

• Token 消耗降低 50%+，解析效率提升 3 倍+；

• 多模态信息提取完整度 95%+，复杂表格解析准确率 95%+。

我可以负责任地说，吊打市面上同类产品：

• Unstructured：免费版限速严重、定价贵、中文文档效果一般

• LlamaParse：强绑 LlamaIndex 生态，云端延迟明显，成本高

• MinerU：本地部署依赖地狱，VLM 模式 GPU 要求极高

• Docling：首次加载模型 1.5GB ，扫描件 OCR 质量还不如 MinerU

一句话，比 Knowhere 解析好的没它便宜，比 Knowhere 便宜的解析没它好，简直就是性价比拉满。

而且 Knowhere 还是 AI 原生的，更符合 AI Agent 轻量化+高精度的要求。

如果你也在做 AI 应用开发，或者正在被长文档折磨，那不妨试一试 Knowhere 。

求个 Star⭐支持一下，谢谢各位老哥👉 https://github.com/Ontos-AI/knowhere

[cxd8190102]

项目地址： https://github.com/Ontos-AI/knowhere ，欢迎 PR / issue ，多多反馈~

[suke119]

? 啥意思 你这代码里面不就用 mineru? 吊打啥了

[lxmfly123]

@suke119 不要和用 AI OP 浪费时间

[cxd8190102]

@suke119 #2 MINERU 也是基于很多 PYHTON 包组装的，我们在他基础上做了优化，支持的格式更丰富效果更好，更重要的是对解析的结果做了再加工，MINERU 这些传统工具得到的是单个文件的 MD 、JSON ；我们可以通过自研的算法解析每个文档的原始层级结构，并且自动关联相似的切片形成完整的层级图谱，这比 GRAPH-RAG 节约 10 倍不止的时间和成本。

[cxd8190102]

@lxmfly123 #3 什么！我是手写的！！

[cxd8190102]

@cxd8190102 #4 另外，MINERU 只是一个可插拔的入口，任何可以把文档解析成 MD 的工具，比如 MARITDOWN 、DOCLING 都可以替换 MINERU 。我们后续会增加 feature ，可以根据文档的难易程度自动切换这个插件。但是像核心的 Tree-like 的语义化切块、还有 AGENTIC RAG 的 harness 这些都是我们自研的。工程创新本来就不意味着所有东西都从零手写，站在巨人肩膀上做创新很正常的嘛，我也没吹什么从零到一古法纯手工啥的啊。。。

[noob9030]

Started,支持一下

[cxd8190102]

@noob9030 #7 感谢老哥🙏

[marcong95]

star 一下，有缘细看~~

[cxd8190102]

@marcong95 #9 感谢感谢~