PixelRAG
https://arxiv.org/abs/2606.28344。網路解析的終結。可擴展像素原生搜尋的開始。連結:https://pixelrag.ai/
PixelRAG 是什麼?
https://arxiv.org/abs/2606.28344。網路解析的終結。可擴展像素原生搜尋的開始。連結:https://pixelrag.ai/
PixelRAG 概覽
這是什麼
PixelRAG 將文件(網頁、PDF、圖片)渲染為螢幕截圖,並直接對圖片進行檢索。HTML 解析會丟失的視覺結構——表格、圖表、版面、資訊圖表——都能完整保留,讓閱讀模型能真正回答相關問題。維基百科的 828 萬篇文章已預先建立索引;整個管線本身是通用用途的。
主要功能
- 將文件渲染為螢幕截圖圖塊,並直接對圖片進行檢索(像素原生搜尋)。
- 提供預先建立的 828 萬篇維基百科頁面索引,可透過託管 API 使用——無需設定,也無需 API 金鑰。
- 包含 Claude Code 外掛(pixelbrowse 技能),讓 AI 代理能視覺化瀏覽頁面。
- 支援多種向量搜尋後端:FAISS(預設)和 Qdrant。
- 模組化管線:擷取(pixelshot)、分塊、嵌入、建立索引、提供服務。
- 可在 Linux(CUDA)和 macOS(Apple Silicon / MPS)上運作。
- 採用 Apache-2.0 授權的開源專案。
使用情境
根據文件的外觀來搜尋,而不只是其中的文字。PixelRAG 適合回答表格、圖表、圖解和資訊圖表等文字解析會遺失的內容。它也能讓 AI 代理(Claude、opencode)視覺化瀏覽網頁,並從渲染的螢幕截圖中提取資訊。
快速開始
pip install pixelrag
將頁面渲染為螢幕截圖圖塊:
pixelshot https://en.wikipedia.org/wiki/Python --output ./tiles
搜尋託管的維基百科索引(無需設定):
curl -X POST https://api.pixelrag.ai/search \
-H "Content-Type: application/json" \
-d '{"queries": [{"text": "What is the capital of France?"}], "n_docs": 5}'
若要建立自己的索引,請參閱儲存庫的 README。
授權與價格
採用 Apache-2.0 授權。此專案為開源,未說明價格。
內容整理自該專案公開的 README 與儲存庫資訊。