PixelRAG 直接截图做网页检索，文本 RAG 基线被反超 18.1%
Roger_M_Taylor · x · 2026-07-25
PixelRAG 是一个开源视觉检索系统，它完全跳过 HTML 解析：不是把网页转成文本再切块，而是直接截图页面，再让视觉语言模型从像素里读答案。
作者的核心理由是，网页解析经常丢信息：表格、图表、排版结构会被压平或丢掉。帖子里给出的数据包括：
- 单个 HTML-to-text 解析器可能丢掉 40%+ 的页面内容；
- 仅仅更换解析器，同一批文档的准确率就可能变化约 10 个点；
- PixelRAG 按“人看到的网页”来建索引；
- 团队构建了维基百科和 3000 万+ 截图的视觉索引；
- 在纯文本问答基准上，比最强文本 RAG 基线高 18.1%。
仓库还附带一个 Claude Code 插件，可以让 Claude 截图任意 URL，并直接读取渲染后的网页。
「编程与Agent」频道最新
- 旧金山 Code Engineering 大会聚焦从编码 agent 到软件工厂 — LangChain · 2026-10-27
- 用 Claude Code 当 iPhone 取证器:挖出「已删」照片的 30 天隐藏副本 — alex_verem · 2026-10-27
- 用 Claude Code 审计 iPhone 备份，揪出被删照片的全部藏身处 — alex_verem · 2026-10-27
- Yuchen Jin：手机不是移动 IDE，而是 agent 舰队的控制台 — Yuchenj_UW · 2026-10-27
- FrontierCS 2 登陆 Kaggle：48 项任务让智能体复现 13 领域论文贡献 — MeganRisdal · 2026-10-27
- 别只让 AI 复刻老游戏：工程师呼吁用 Agent 造更野的软件 — rschu · 2026-10-27