{"repo":"Champ-X/MMA-RAG","free":true,"listed":false,"github":"https://github.com/Champ-X/MMA-RAG","clone":"git clone https://github.com/Champ-X/MMA-RAG.git","description":"A self-hosted omni-modal agentic retrieval platform that understands, searches, and explores documents, images, audio, and video through semantic routing, hybrid retrieval, adaptive agents, and traceable citations.","language":"Python","stars":16,"topics":["agentic","chatbot","llm","multi-model","multimodal","rag","knowledge-base","reranking","semantic-search","vector-search"],"license":null,"category":"ai-agents","readme_excerpt":"简体中文 English Tessmora — An Omni-Modal Agentic Retrieval Platform Every fragment finds its place. Tessmora 是可私有化部署的全模态 Agentic Retrieval 平台。文档、图片、音频与视频保留各自合适的解析单元和专用向量，再通过知识库画像路由、混合检索、两阶段排序和有界 Agent 汇入同一套可追溯回答链路。 它解决三个核心问题： - 内容怎么进入系统 ：普通文档用无损 Agentic Chunker；图片用 VLM + CLIP；音频用 ASR + CLAP；视频用 Scene → Shot → Key Frame。 - 问题怎么找到证据 ：One-Pass 意图、KB 画像路由、Dense / Sparse / Visual / Audio / Video 召回、加权 RRF 与 Cross-Encoder 精排。 - 复杂问题怎么继续补查 ：自动、直接检索、Agent 深研三态可选；Agent 只调用现有只读检索工具，并受轮数、查询数和证据池预算约束。 为什么是 Tessmora 能力 当前实现 --- --- 全模态数据面 文档、图片、音频、视频分别建模，不把所有内容降维为纯文本 智能检索范围 未指定 KB 时，以主题画像和多视角查询决定单库、多库或全库 跨通道融合 Dense + BGE-M3 Sparse + Visual 为主干，音频与视频使用专用向量与意图权重 Agentic Evidence Loop Planner 规划互补子查询，并发检索，跨轮证据去重与有限置信增强 预算化多轮上下文 按完整对话轮次、消息数和字符预算选取历史，贯通检索与生成 可验证输出 SSE 推送阶段摘要、引用与正文；引用保留来源、媒体 URL、时间范围与 context window 多入口 Web 为完整交互入口；可选飞书 IM 与 Docx/Wiki 导入；内置 Codex Skill/CLI 架构速览 图中 Direct 与 Agent 复用同一个 Retrieval Core；Qdrant 提供在线检索向量，MinIO 为引用上下文补充原始媒体。项目启动后可通过 http://localhost:3000/architecture 查看可交互架构页；代码级设计见 MMA ARCHITECTURE。 核心模块 模块 职责 主要入口 --- --- --- Ingestion 多来源解析、Agentic 分块、全模态向量化、MinIO/Qdrant 写入 backend/app/modules/ingestion/ Knowledge KB 生命周期、全模态画像与跨库路由 backend/app/modules/knowledge/ Retrieval One-Pass 意图、五路召回、RRF、Cross-Encoder backend/app/modules/retrieval/ Agent Runtime 三态分流、规划、只读工具调用与证据收敛 backend/app/modules/agent/ Generation 多模态上下文、ReferenceMap、流式生成 backend/app/modules/generation/ LLM Manager task type 到模型/Provider 的统一路由 backend/app/core/llm/ 文档与表格分块 - PDF、DOCX、PPTX、TXT、Markdown 等普通文","default_branch":null,"files":null,"tree":[],"storefront":"/r/Champ-X","claimed":false,"request_supported":{"post":"https://gitbuyer.com/r/Champ-X/MMA-RAG/request-supported","requests":0},"note":"indexed from public GitHub; nothing is for sale on this page. Clone it from GitHub. Paid listings live at /search."}