📝

Berkeley SkyLab/BAIR 开源的 PixelRAG：把网页/PDF 渲染成截图 tile 直接检索，而不是解析成文本——表格、图表、布局不再丢失。Qwen3-VL-Embedding LoRA 微调，8.28M Wikipedia 预建索引免费 API，还带 Claude Code 插件。

PixelRAG：网页截图打败文本解析，伯克利开源像素原生检索

项目：StarTrail-org/PixelRAG · 论文：《PIXELRAG: Web Screenshots Beat Text for Retrieval-Augmented Generation》（arXiv 2606.28344）· 演示：pixelrag.ai

The end of web parsing. The beginning of scalable pixel-native search.（网页解析的终结，可扩展像素原生检索的开端）

PixelRAG 是 Berkeley SkyLab + BAIR + Berkeley NLP 联合出品的视觉 RAG 项目（8,720⭐，Apache-2.0），核心主张非常激进：把文档渲染成截图直接检索，而不是解析成文本。

一句话理解

传统文本 RAG 把网页解析成文本 chunk——表格、图表、布局信息全丢了，读者模型面对”表里第 3 行数字是多少”这类问题无能为力。PixelRAG 把页面渲染成截图 tile，检索出正确的 tile，让多模态读者模型直接从图像上把答案读出来。

1 2	文本 RAG: 网页 → 解析 → 文本 chunk → 检索 → 读文本（表格丢失 ✗） PixelRAG: 网页 → 截图 tile → 视觉检索 → 读图像（表格/图表完好 ✓）

两个核心组件

渲染（render）：pixelshot 命令把任何页面/PDF 渲染成截图 tiles（Playwright/CDP，Linux 自动装 headless Chrome，其他平台自动检测系统 Chrome）
检索（search）：Qwen3-VL-Embedding 模型在截图数据上 LoRA 微调，把页面图像嵌入到可检索的向量空间

开箱即用：8.28M Wikipedia 预建索引

无需自己建索引，官方托管了 828 万篇 Wikipedia 文章的预建索引，无 API key 直接调用：

1
2
3

curl -X POST https://api.pixelrag.ai/search \
  -H "Content-Type: application/json" \
  -d '{"queries": [{"text": "What is the capital of France?"}], "n_docs": 5}'

甚至支持用图片作为查询（visual search）。也可以 pip install pixelrag 本地渲染 + 检索。

给 Claude 装上眼睛（pixelbrowse skill）

渲染器还打包成 Claude Code 插件——pixelbrowse skill。Claude 不再抓取原始 HTML，而是用 pixelshot 截图然后读图像，像人一样看到图表、示意图、表格和布局：

uv tool install pixelrag                            # pixelshot 进 PATH
claude plugin marketplace add StarTrail-org/PixelRAG
claude plugin install pixelbrowse@pixelrag-plugins

claude -p "screenshot https://news.ycombinator.com and summarize the top stories"

无 MCP server、无后端——skill 只是调用本机的 pixelshot（Playwright/CDP）。

流水线架构

命令	功能	安装
`pixelshot`	文档 → 图像 tiles	`pip install pixelrag`
`pixelrag chunk/embed/build-index`	tiles → 向量 → FAISS 索引	`pip install 'pixelrag[embed]'`
`pixelrag index`	编排全流程	`pip install 'pixelrag[index]'`
`pixelrag serve`	FAISS 搜索 API（FastAPI）	`pip install 'pixelrag[serve]'`

本地建索引：macOS (MPS) / Linux (CUDA) 都支持，device: auto 自动选后端
也可用 Qdrant 后端（量化压缩、磁盘向量、多服务器共享 collection）
训练代码独立 uv 项目（train/），LoRA 微调 Qwen/Qwen3-VL-Embedding-2B，训练集和适配器均已开源（HuggingFace）

GitHub 数据验证

指标	值
仓库	StarTrail-org/PixelRAG
Stars	8,720（2026-08-01 API 实测）
Forks	734
语言	Python
协议	Apache-2.0
创建	2026-05-29（约 2 个月冲到 8.7K⭐）
最近更新	2026-08-01
出处	Berkeley SkyLab / BAIR / Berkeley NLP；论文 arXiv:2606.28344

为什么值得关注

反直觉的核心命题：截图比文本更适合 RAG——对含表格/图表/版式的文档尤其成立
零门槛体验：托管 API 直接 curl，无需部署
Claude Code 生态：pixelbrowse skill 是”给 Agent 眼睛”的又一路线（vs 无障碍树/HTML 抓取）
全栈开源：渲染、嵌入、索引、训练、数据集全部开放，可复现可扩展

💬 本文评论区已开启，但暂无读者留言。

PixelRAG：网页截图打败文本解析，伯克利开源像素原生检索（8.7K⭐）