QAnything 系统架构图

QAnything 是网易有道自研的 RAG（Retrieval Augmented Generation) 引擎。该引擎允许用户上传 PDF、图片、Word、Excel、PowerPoint 等多种格式的文档，并实现类似于 ChatGPT 的互动问答功能，其中每个答案都能精确追溯到相应的文档段落来源。该引擎支持纯本地部署，上传文档数量无上限，问答准确率很高。

自今年 1 月开源以来，QAnything 迅速吸引了开发者社区的广泛关注，并多次登上了 GitHub trending 榜单。截至目前，在 GitHub 上 QAnything 已经积累 7000+ 个星标，这反映出了用户对其价值的高度评价。

QAnything 登上 GitHub trending 榜单

此外，QAnything 下载次数已达数万次。其中，语义嵌入排序模型 BCEmbedding 更是每月可达超 60 万次下载。

值得一提的是，QAnything 采用了自研的 BCEmbedding 模型（RAG 系统关键模块）。有道发现，在客服问答以及一些 toB 客户的场景中，OpenAI 的 Ada2 BCEmbedding 检索准确率只有 60%，而其自研的 BCEmbedding 检索准确率可以达到 95%。该模型具有中英双语跨语种能力和多领域覆盖两大特色。

据悉，QAnything 收集了包括教育、医疗、法律、金融、百科、科研论文、客服、通用 QA 等场景的语料，使得模型可以覆盖和支持尽可能多的应用场景，为商业化落地提供了便捷。

目前，QAnything 已在有道多场景中落地。如“有道领世”在 QAnything 的帮助下，凭借海量的升学资料数据，打造出一个“私人 AI 规划师”，能为每个家长和学生提供个性化的服务，展示更加全面、专业、及时的升学规划。面对高考政策、升学路径、学习生活以及职业规划等各类问题，该系统的解答准确率超过 95%。未来随着数据补充和更新，准确率会一直上涨。

与此同时，子曰教育大模型最新应用成果“有道速读”，其核心功能文档问答、文章摘要、要点解读、引文口碑和领域综述，背后驱动也是 QAnything。在其加持下，用户快速理解文档、定位要点等诉求得以快速实现，短短一分钟，万字长文就能拆解得明明白白。除赋能自身业务外，开源后的 QAnything 不断拓宽“朋友圈”。目前已累计为近百家企业赋能，以期让 AI 应用真正进入医疗、物流、办公等多元化场景，为企业、组织和个人带来生产效率的大幅提升。