网易有道自研RAG引擎QAnything升级纯Python版首次支持Mac运行
网易有道自研RAG引擎QAnything升级，发布纯Python版本并首次支持Mac运行。用户可上传PDF、Word等多格式文档进行互动问答，答案精准追溯原文。支持纯本地部署、文档无上限，自研BCEmbedding模型将检索准确率提升至95%，已在教育、企业等多领域应用。
在RAG领域，网易有道自研的QAnything引擎最近引发了不少关注。简单来说，它是一种让用户上传PDF、图片、Word、Excel、PowerPoint等格式文档后，能像ChatGPT一样进行互动问答的系统，更关键的是，每个答案都能精确追溯回原文中的具体位置。更重要的是，它支持纯本地部署，文档数量无上限，问答准确率也相当可观。
自从今年1月开源以来，QAnything迅速吸引了开发者社区的目光，甚至多次登上GitHub trending榜单。截至目前，它在GitHub上已经积累了超过7000个星标，社区反响相当热烈。
QAnything 系统架构图
下载量方面，QAnything已达数万次。其核心组件——语义嵌入排序模型BCEmbedding，更是每月能收获超过60万次下载。
BCEmbedding：核心技术支点
这里有一个关键点值得展开：QAnything采用自研的BCEmbedding模型作为检索模块。在实际的toB客服问答等场景中，有道团队发现，OpenAI的Ada2模型检索准确率仅约60%，而自研的BCEmbedding能将其提升至95%。支撑这一优势的两大特色，一是中英双语跨语种能力，二是多领域覆盖。
为了覆盖尽可能多的应用场景，QAnything在训练语料上下了不少功夫，收集了教育、医疗、法律、金融、百科、科研论文、客服、通用QA等领域的数据。这使得它在商业化落地时，能够更快地适应不同的行业需求。
落地有道：从教育到企业
在自家业务中，QAnything已经展现出强大的实用价值。以“有道领世”为例，它基于海量的升学数据，借助QAnything打造出一个“私人AI规划师”。面对高考政策、升学路径、职业规划等问题，该系统的解答准确率已超过95%，而且随着数据的持续补充与更新，这一数字还在不断攀升。
另一个典型应用是“有道速读”。文档问答、文章摘要、要点解读、引文口碑和领域综述，这些核心功能的背后都是QAnything在驱动。用户能快速理解文档、定位要点——短短一分钟，万字长文就能被拆解得一清二楚。
除了赋能自身业务，开源后的QAnything还在不断拓展“朋友圈”。目前，它已累计为近百家企业提供支持，推动AI真正进入医疗、物流、办公等多元化场景。从个人效率工具到企业级应用，QAnything正在让RAG技术从概念走向更具实际影响力的阶段。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：网易有道自研RAG引擎QAnything升级纯Python版首次支持Mac运行要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点Llama3模型架构与Llama2一致，核心提升来自数据工程：预训练数据量达15Ttoken，为Llama2的7倍，并优化数据质量与混合比例。算力需求激增，万卡H100集群成标配。Meta同时采用RoCE和InfiniBand网络方案，并重点改进了容错与故障恢复机制，训练效率提升约三倍。
AI金融助手Zocks与海托华独家合作，通过隐私保护技术自动化会议准备等行政事务，使顾问每周节省超10小时；Jump与信安顾问合作，以自主AI自动化手动流程，提升效率。二者均旨在用AI替代重复低附加值任务，推动金融服务行业加速拥抱智能化。
在Vidu中制作老式蒸汽火车怀旧视频需三步：先通过文生图生成带“静止画面”关键词的静帧；再用图生视频或文本重试让火车以“步行速度”缓行；最后用CapCut叠加蒸汽滤镜、调整LUT并导出为高比特率H 264以强化氛围与质感。
博通凭借730亿美元AI积压订单及106%的半导体收入增长，被列为2026年克劳德AI首选。其Tomahawk6交换机创下订单纪录，角色已超越芯片供应商，转向为超大规模企业提供定制硅芯片与集成网络解决方案。
- 日榜
- 周榜
- 月榜
热点快看