用途:DocsGPT 用于构建私有 AI 文档分析与问答系统,基于检索增强生成(RAG),针对自有文档集合做自然语言提问,适合从论文、技术报告与机构文档中快速抽取信息,回答带来源引用,便于核对。
主要能力:支持 PDF、DOCX、Markdown、HTML、TXT、EPUB、RST 等格式(部分环节另有 PDF、DOCX、TXT、MD、HTML、EPUB、RST 的提法,均为资料原文所载)。文档经分块与向量化建立索引,可建立多个独立知识库并按项目或主题切换。提供 REST API,可程序化调用、嵌入已有工具或流程。
使用方式:Docker Compose 部署:git clone https://github.com/arc53/DocsGPT.git;cd DocsGPT;cp .env_sample .env;编辑 .env 配置 LLM,例如 LLM_NAME=openai 与 API_KEY,或 LLM_NAME=ollama、OLLAMA_API_BASE=http://localhost:11434、MODEL_NAME=llama3;然后 docker compose up -d,界面位于 http://localhost:5173。非 Docker 方式:pip install -r requirements.txt;cd application;python app.py。上传示例:curl -X POST http://localhost:7091/api/upload -F "file=@research_paper.pdf" -F "name=my-research-collection"。查询示例:curl -X POST http://localhost:7091/api/answer -H "Content-Type: application/json" -d '{"question":"What statistical methods were used for sample size estimation?","active_docs":"my-research-collection"}'。
适用场景:文献综述与综合、论文与学位写作中的出处核查、实验记录与设备手册检索、基金申请材料准备、课程资料问答等。
限制与说明:资料称其有 18,000 以上 GitHub stars 与活跃社区,未提供价格与收费信息;自托管用于数据敏感环境,云端为快速评估选项。涉及费用、平台兼容性、效果承诺等事项暂未提供,需自行核对官方仓库与文档:https://github.com/arc53/DocsGPT 、https://docs.docsgpt.cloud/。