各位头条的朋友们好！小墨我又来给大家分享好东西啦！

最近在研究文档问答系统的时候，发现了一款宝藏工具——Kotaemon。它是一个开源的 RAG（检索增强生成）用户界面，可以让你轻松地构建自己的文档问答系统，跟你的文档“聊天”！

不止于搜索，Kotaemon 还能做什么？

Kotaemon 可不仅仅是简单的文档搜索工具，它功能强大，足以满足你对文档问答的各种需求：

• 不止是文本，它还能处理包含图片、表格等多种模态的文档。无论是技术文档、研究论文还是产品手册都可以导入！
• 支持OpenAI、Azure OpenAI、Cohere，本地 LLM 模型，可以根据自己的需求选择最合适的模型！
• 结合了全文检索和向量检索，并支持结果重排序，能够更精准地找到你想要的答案，告别大海捞针！
• 提供详细的引用信息，甚至可以在浏览器里直接预览，再也不用担心答案的可靠性了。
• 基于 Gradio 构建，你可以自由定制 UI 元素，打造个性化的文档问答系统！
• 支持问题分解和基于 Agent 的推理方法，例如 ReAct 和 ReWOO，即使面对复杂问题，也能抽丝剥茧，给出精准答案！

安装使用，so easy！

Kotaemon 的安装非常简单，可以通过 Docker 或者源码安装。

Docker 安装

docker run \
-e GRADIO_SERVER_NAME=0.0.0.0 \
-e GRADIO_SERVER_PORT=7860 \
-p 7860:7860 -it --rm \
ghcr.io/cinnamon/kotaemon:latest

源码安装

git clone https://github.com/Cinnamon/kotaemon
cd kotaemon

pip install -e "libs/kotaemon[all]"
pip install -e "libs/ktem"

安装完成后，只需要导入你的文档，Kotaemon 就会自动帮你构建索引。然后你就可以在界面上输入问题，Kotaemon 会根据你的问题检索文档，并生成准确的答案。

体验

我试着用 Kotaemon 构建了一个关于深度学习框架的文档问答系统，导入了 TensorFlow 和 PyTorch 的官方文档。使用过程中，我发现 Kotaemon 的检索速度非常快，而且生成的答案也很精准。我还尝试了一些比较模糊的问题，比如 "如何选择合适的深度学习框架？"，Kotaemon 也根据文档内容给出了合理的建议。

项目地址

https://github.com/Cinnamon/kotaemon

总结

Kotaemon 是一款功能强大、易于使用的 RAG 工具，它为开发者和研究人员提供了一个构建和定制文档问答系统的平台。

优点:

• 易用性高，即使是新手也能轻松上手
• 功能强大，支持多种文档格式、LLM 模型和复杂推理
• 检索效率高，答案精准
• 高度可定制化，可以打造个性化的文档问答系统

缺点:

• 目前还处于开发阶段，可能存在一些 bug
• 对中文的支持还有待提高

总的来说对 Kotaemon 的体验还是很满意，它极大地提升了我在文档处理方面的效率。如果你也在寻找一款文档问答工具，不妨试试 Kotaemon 吧！

你还在为文档问答而烦恼吗？快来试试 Kotaemon 吧！别忘了点赞关注哦~