开源 KYNEX 纯 Agent 循环做文档抽取,370 份企业文档基准排名 8/53
the-random-guy-2002 · reddit · 2026-11-22
作者开源了 KYNEX,一个不做 RAG、纯靠 agent 循环的文档到 JSON 抽取系统(Apache 2.0),在 LlamaIndex 的 ExtractBench(370 份企业文档)上 53 个系统里排第 8,GPT-6.1 Sol 达 94.6 F1,超过 standalone 的 GPT-6 Astra(91.9)。
架构要点:
- LLM 配 6 个工具:readpage(原生文本)、extracttable(带 fallback 链的表格解析)、searchdocument(BM25+TF-IDF 混合检索)、inspectpagevisually(GPT-4o 视觉处理损坏/纯图页)、OCR(Azure Document Intelligence)、readsection(跨页标题导航)
- 目录注入 system prompt,让 agent 调工具前就了解文档结构
- supervisor 追踪已填/未填的 schema 字段与已访问页面;若连续 2 轮字段仍为 null 则升级策略(换工具、换页、上视觉)
- 最大意外发现:5 条确定性后处理规则(剪除非记录行、处理涂黑标记、结构化表格行归一等)对精度影响巨大,没有它们准确率大幅下降
「编程与Agent」频道最新
- Astra 2 小时完成 Blender 牛仔短片,Fable 5.2 同题要 20 小时 — iamfakhrealam · 2026-11-22
- Neon 5 分钟内零库零模板生成 Three.js 太阳系 — iamfakhrealam · 2026-11-22
- 用 GPT-6.2 Astra 加 Three.js 搭出古典雕塑感网站 — iamfakhrealam · 2026-11-22
- Astra 把 Blender 资产打包成单个 HTML 的海洋生存游戏 — iamfakhrealam · 2026-11-22
- Neon 零素材生成巨型破空之手 Three.js 电影场景 — iamfakhrealam · 2026-11-22
- 单轮可跑数十段代码:V8 isolate 复用架构让 agent 执行提速 — charliermarsh · 2026-11-22