Anchr

项目简介

Anchr 是一套开源、可自主托管的文档知识工作台，面向需要使用自有资料进行搜索、问答、研究与知识复用的用户。它把原始文档转化为可搜索、可引用、可预览的知识证据，用户既可以直接检索内容，也可以围绕一个知识库、几份指定文档或一个具体问题展开对话。当任务需要多步查找、连续阅读或跨文档归纳时，还可以让 Agent 在明确范围内继续探索。

Anchr 关注的不只是生成一个答案，而是让用户知道答案依据了什么、能否回到原文、复杂任务进行到了哪里。

核心功能

• 知识库与文档管理：按主题或业务范围组织知识库，批量导入文档，查看处理进度、可用状态与失败信息，内容变化时可重新处理
• 混合检索：结合文本与语义相关性查找内容，并把搜索范围收敛到指定知识库或文档
• 可信问答：知识型回答携带来源引用和结果卡片，用户可进入相关文档片段及上下文预览核验
• Agentic RAG：Agent 可在授权范围内查找文档、搜索知识、连续阅读并发起文档总结，任务设有执行边界和活动状态
• 原文核验：从搜索结果或回答引用直接跳转到文档片段及相邻上下文，恢复证据所在位置
• 连续工作流：保存会话与回答，可重新访问最近问题、搜索、引用和导入文档
• 自主配置：在自己的环境中运行，自由选择生成、向量化、排序与存储服务
• 服务集成：通过 API 把文档检索、可信问答和任务能力接入已有产品或内部工具

技术实现

Anchr 的技术栈采用 Java + Python + Elasticsearch 的组合。文档解析被独立成 Python 服务（目前使用 Docling），负责将原始文档解析为后续检索与阅读可以使用的内容。检索层采用 Sparse + Dense Retrieval 的混合方案，两路结果融合后用于 RAG 问答，其中 Elasticsearch 只作为可重建的检索索引，原始文件存放于对象存储（OSS）。

在普通 RAG 之上，Anchr 增加了一层 Agent，可以根据上下文决定是否继续检索、调用工具或直接回答，其 Agent Workflow 没有直接套用 LangChain / LangGraph，而是自行实现了一版，以便更精细地控制执行边界、活动状态与恢复能力。系统当前按单实例、单租户设计，一套部署服务一个组织或团队，支持 ADMIN、USER、GUEST 三种访问角色。

快速上手

• 在线体验：访问 anchr.cloud，直接使用浏览器工作台体验完整功能
• 创建知识库：创建知识库并批量导入一组自己熟悉的文档
• 验证检索：等待文档进入可用状态后，通过搜索确认关键内容能够被找到
• 限定问答：在 Ask 中限定知识范围并提出问题，查看答案引用、结果卡片与原文预览
• 尝试复杂任务：再尝试一个需要跨文档查找、阅读或归纳的问题，观察 Agent 的活动与终态

自主托管时可参考仓库中的中文技术文档启动 Anchr App，并准备 Anchr Web 与 Anchr Docling 组件，在设置中完成存储、生成、向量化和排序能力配置。

适用人群

• 知识工作者与研究人员：需要从大量资料中快速找到信息，并为结论保留出处
• 产品、运营与支持人员：需要持续使用制度、手册、方案和产品文档
• 管理内部知识的团队：重视知识更新状态、回答可信度和原文复核路径
• 希望自主托管的团队：希望掌握自己的文档、模型配置与存储选择
• 知识应用开发者：希望在现有界面或业务流程中接入完整的文档智能能力

官方链接

GitHub 仓库：https://github.com/ryanmeowy/anchr-app

在线演示：https://anchr.cloud