做知识库都要用到RAG，之前的做法是先把网页、PDF、文档解析成文本，再切块、向量化、检索、交给大模型回答。
这个流程对纯文本内容很有效，但一旦遇到表格、图表、版式、信息图、复杂网页布局，就很容易丢失关键信息。
今天给大家推荐一个像素级原生搜索的RAG。
这项目思路很有趣，既然人类理解网页时是看页面，为什么AI检索一定要先把页面拆成文本，完全可以把网页和文档渲染成截图，再基于图像内容进行检索，让模型保留页面原本的视觉结构。
项目简介
PixelRAG是一个像素原生的开源视觉RAG项目，把网页、PDF、图片等文档渲染成截图切片，并直接对这些图像建立向量索引和检索，从而让大模型能够利用表格、图表、布局、信息图等传统文本解析容易丢失的信息来回答问题。
不仅按文本内容搜索文档，还能按文档看起来是什么样来搜索。
DEMO
为了展示像素原生检索的威力，官方做了个很牛的演示，来证明这套方案行得通。
直接截了2800多万张维基百科的图片。
比如搜元素周期表。
只要2秒就完成了。
说这个方案更好，但不一定是更便宜，因为这2800w张图片的向量化不是我去做的，我也不知道成本如何。
传统RAG的那种信息、样式丢失的感觉真的很不好。
现在直接就可以搜出来有样式的内容，就非常好。
如果要对数据进行处理，就用视觉模型来做下一步了。
功能特点
1. 以截图替代文本解析
PixelRAG的核心不是先把网页HTML或PDF解析成纯文本，而是把页面渲染成截图切片。这样可以最大程度保留页面原始的视觉信息，比如表格结构、图表位置、页面布局、字号层级和信息密度。
2. 更适合处理复杂视觉文档
传统RAG在处理复杂表格、图表、论文截图、仪表盘、网页报告时，经常会因为解析失败或结构丢失而答错。PixelRAG通过视觉检索，让模型看到更接近人眼观察到的页面内容，适合处理视觉结构强的知识材料。
3. 支持网页、PDF和图片等多种输入
项目提供pixelshot命令，可以把网页、PDF、本地文件渲染成截图tiles。用户可以对单个网页截图，也可以把本地文档批量转成可检索的视觉数据。
4. 内置完整检索流水线
PixelRAG不只是截图工具，还提供从文档渲染、切块、嵌入、构建 FAISS 索引到启动搜索API的完整流程。
5. 使用视觉嵌入模型进行检索
使用经过网页截图数据LoRA微调的Qwen3-VL-Embedding模型，把页面截图嵌入到可检索的向量空间中。相比普通文本向量，这种方式更适合检索页面里的视觉内容。
6. 可作为 Claude Code 插件使用
PixelRAG提供pixelbrowse插件，让Claude Code可以通过截图方式查看网页，不是只读取网页HTML。这样AI就可以更好地理解网页里的图表、表格和页面排版。
