OmniRAG 是一个面向复杂文档场景的多模态 RAG 系统，突破传统文本检索局限，实现图文混合理解、智能路由决策与可视化交互的完整闭环。
- 端到端多模态：图文混合嵌入、检索、生成，构建统一的图文语义空间，并非简单的"文本+RAG+图片拼接"；
- 智能文档路由：双模式 PDF 解析 (PyMuPDF / DeepSeek-OCR-2)，根据文档复杂度选择解析策略，平衡速度与精度；
- 图文并茂交互：突破传统 RAG "纯文本回复 + 前端手动匹配"的割裂体验，实现模型原生的图文混排输出；
- 工程化网络适配：解决本地开发环境的 Docker 网络隔离问题，无需修改代码即可切换部署模式；
- 生产级细节：消息裁剪、错误降级、流式输出、图片 URL 自动托管。
| 技术 | 用途 | 优势 |
|---|---|---|
| PyMuPDF | 简单文档解析 | 对仅包含文本和图片的文档实现快读加载 |
| DeepSeek-OCR-2 | 复杂文档解析 | 对包含表格和数学公式的复杂文档提升解析效果 |
| MinIO | 图片服务 | 本地 S3 兼容对象存储 |
| Milvus | 向量数据库 | 十亿级向量高性能检索 |
| vLLM | 模型部署框架 | PagedAttention 高吞吐、低延迟 |
| Qwen3-VL-Embedding-2B | 嵌入模型 | 原生多模态，2048-dim |
| Qwen3-VL-32B-Instruct | 生成模型 | 图文联合推理，指令遵循能力强 |
| LangGraph | 工作流引擎 | 状态机管理，支持循环、人机交互 |
- 数据层: MinIO (图片存储) + Milvus (向量数据库)
- 处理层: 双模式 PDF 解析 (PyMuPDF / DeepSeek-OCR-2)
- 嵌入层: Qwen3-VL-Embedding-2B (2048维图文联合嵌入)
- 检索层: 语义检索 + Cosine 相似度排序
- 生成层: Qwen3-VL-32B-Instruct + LangGraph 工作流
针对不同类型的 PDF 文档，系统采用不同的解析策略：
简单文档 (无表格、公式)
- 使用 PyMuPDF 快速提取，保持阅读顺序，适合论文、报告等标准文档。
复杂文档 (表格、复杂公式)
- 使用 DeepSeek-OCR-2 视觉模型解析，准确识别表格结构和数学公式。
基于 LangGraph 的状态机工作流：
系统支持两种 MLLM 部署模式，自动适配网络环境：
| 模式 | 配置 | 图片处理方式 |
|---|---|---|
| 外部 API | MLLM_MESSAGE_CONVERT=True |
本地读取 → base64 编码 → 上传云端 |
| Docker 本地 | MLLM_MESSAGE_CONVERT=False |
URL host 替换为 host.docker.internal |
