据理解，QAnything的紧张事理是基于检索增强的天生（Retrieval Augmented Generation，简称RAG），RAG是目前很火的一种技能框架，它能够利用检索外部内容的办法增强大措辞模型的准确度、专业能力和个性化等各方面的性能。
目前，通用大模型能力很强，但无法利用用户的私有数据，且存在胡乱编造的幻觉问题。QAnything作为有道自研的RAG引擎，则结合了用户私有数据和大模型的上风——用户的任何内容，以任意的形式存在，比如各种格式的文档，音频，数据库等，都可以在QAnything的支持下，变成可以针对其内容进行问答的利用办法，通过这个技能框架用户可以很方便地搭建自己的智能知识助手。
（QAnything系统架构图）
值得一提的是，本次开源的QAnything是一套完全的RAG系统，包括专门优化的自研的embedding和rerank模型，微调后的LLM，优化后的推理代码，向量数据库，以及一个立即上手可用的前端。所有的算法模型（包括7B大模型+embedding/rerank+OCR）占用显存不超过16G。
如今，QAnything已在有道的多个产品中运用，包括有道翻译文档问答、有道速读及有道内部业务的客服系统等。
以有道速读为例，它是前不久子曰教诲大模型最新发布的创新运用成果之一，目前上线在有道翻译中。针对大家在日常生活中的阅读文档需求，有道速读内置了文档问答、文章择要、要点解读、引文口碑和领域综述五大功能，能够帮大家更快更准地得到信息和对文档的理解。而该功能背后的驱动便是QAnything，在大模型技能的加持下，用户能够实现快速理解文档、定位要点，实现1分钟读完万字长文。
“目前，QAnything项目还在不断迭代，欢迎大家参与开拓，并给予我们更多反馈。我们希望能帮助有须要的开拓者们，和更多伙伴一起推动大模型的落地。”网易有道首席科学家段亦涛先容道。
