文件语义检索

一个轻量级基于大模型解析的多模态文件语义检索工具，不同于传统基于文件名或metadata检索的方式，该工具可实现基于文件内容的语义检索，支持各类主流格式文档、图片、音频、视频。

Read this in English

架构

Demo

retrieve_image.mp4

快速开始

1. 安装依赖

pip install -r requirements.txt

2. 在项目根目录创建.env配置文件，配置OLLAMA_BASE_URL（使用本地ollama服务）或GLM_API_KEY（使用智谱AI开放平台服务）

3. 运行项目

streamlit run main.py

Docker部署

1. 使用项目自带的Dockerfile构建镜像

docker build -t semantic-file-retrieval:latest .

2. 运行容器

docker run -d -e OLLAMA_BASE_URL="http://x.x.x.x:11434" -p 8501:8501 semantic-file-retrieval:latest

.env文件中的所有配置均可通过docker运行命令的环境变量参数覆盖

TODO

• 支持音频
• 支持视频
• 支持扫描PDF文档
• 支持Office文档（docx/xlsx/pptx）
• 支持图搜图
• 支持批量上传
• 提供Restful API供集成到其他系统使用
• 支持离线处理大文件（100M+）
• 支持文件类型过滤
• 同时支持传统检索（关键词匹配）和语义检索