Analyse les documents complexes et les images pour les transformer en une recherche vectorielle hybride et un graphe de connaissances LightRAG avec des citations.
Combine la recherche vectorielle, le mappage d'entités LightRAG et les LLM de vision pour répondre à des questions à partir de documents visuels.
NexusRAG est un moteur de génération augmentée par récupération qui traite le texte, les tableaux et les images de documents complexes pour les stocker dans une base de données vectorielle et de graphe structurée. Il s'adresse aux développeurs et aux équipes d'ingénierie IA qui ont besoin de réponses fondées et étayées par des citations de documents précises. Vous pouvez le déployer localement en utilisant Ollama et sentence-transformers ou le connecter à des fournisseurs externes comme Gemini.
NexusRAG extrait les structures de mise en page, les tableaux et les images à l'aide de Docling ou Marker, puis génère des descriptions visuelles via des LLM multimodaux avant le découpage en segments. Il exécute une stratégie de récupération triple combinant la recherche vectorielle ChromaDB, le parcours d'entités LightRAG et le ré-ordonnancement conjoint par encodeur croisé. L'interface React affiche des citations en ligne à 4 caractères, des aperçus de pages de documents et des visualisations de réseaux de graphes de connaissances orientés par la force.
Il convient aux ingénieurs logiciels, aux data scientists et aux chercheurs techniques qui créent des outils de recherche contextuelle sur des PDF, des rapports et des manuels complexes. Il n'est pas destiné aux utilisateurs finaux non techniques recherchant un lecteur PDF de bureau en un clic. Si vous ne disposez pas d'un matériel GPU dédié ou d'un budget API pour les modèles de vision, l'ingestion de documents sera considérablement plus lente.
Préserve les hiérarchies de titres, les limites de pages et les relations de section à l'aide de moteurs d'analyse Docling ou Marker configurables.
Ajoute des légendes de LLM de vision pour les images et des résumés de tableaux markdown structurés directement dans les embeddings des segments.
Exécute en parallèle la sur-récupération vectorielle ChromaDB, la recherche d'entités LightRAG et le ré-ordonnancement par encodeur croisé.
Génère des balises de citation en ligne de quatre caractères qui renvoient directement aux numéros de page et aux chemins de titres d'origine.
Rend des graphes de réseaux d'entités et de relations orientés par la force dans le navigateur sans nécessiter de serveurs de bases de données de graphes externes.
NexusRAG est un logiciel libre et open-source sous licence MIT. L'auteur du référentiel ne propose pas de plateforme cloud managée payante. Vos coûts opérationnels dépendent entièrement de votre infrastructure GPU self-hosted ou de l'utilisation d'API de modèles commerciaux tels que Gemini.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Oui, vous pouvez configurer NexusRAG pour utiliser des modèles Ollama locaux et sentence-transformers, en exécutant l'analyse, l'embedding et le chat en local.
Selon la configuration du parseur actif, il accepte les fichiers PDF, DOCX, PPTX, XLSX, HTML, EPUB et TXT.
Les modèles de vision génèrent des légendes textuelles pour les images extraites lors du téléchargement, qui sont intégrées aux côtés du texte de cette page.
Voir Zekai en premier dans Google