为什么需要
出海做 AI 产品，传统 RAG 把网页解析成纯文本时丢掉了表格、图表、布局这些视觉信息。问「Wikipedia 上 Python 页面里那段示例代码的运行结果是什么？」，文本 RAG 只能拿到代码块，读不到右侧的输出表格。PixelRAG 反过来：把整页截成图片，直接用多模态 embedding 检索，视觉信息全保留。论文证实，在 Wikipedia 这种含图表的语料上准确率显著高于文本 RAG。
对独立开发者的实际价值：你想做一个面向海外用户的 AI 知识助手（产品文档问答、技术博客总结、新闻分析），现有方案要么用 Firecrawl 把 HTML 转 Markdown（丢图表），要么用 screenshot API 但要自己处理视觉理解。PixelRAG 一行命令接管整个视觉检索流水线，从渲染、embed 到 search API 都齐全，Apache-2.0 开源、自托管免费。
怎么用
Python 3.10+ 环境一行安装：
pip install pixelrag
最简的两步操作——把页面截成图片、搜索视觉索引：
# 渲染网页/文档为截屏 tiles
pixelshot https://en.wikipedia.org/wiki/Python --output ./tiles
# 直接调 hosted API 搜索 828 万 Wikipedia 页面（免 setup、免 API key）
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}'
官方托管 API 直接用，自己建索引也支持：
pip install 'pixelrag[embed]'
huggingface-cli download StarTrail-org/pixelrag-faiss-indexes \
--repo-type dataset --include "search_index_normed_v2/*" --local-dir ./index
pixelrag serve --index-dir ./index/search_index_normed_v2 --port 30001
Claude Code 集成（核心亮点）：
uv tool install pixelrag
claude plugin marketplace add StarTrail-org/PixelRAG
claude plugin install pixelbrowse@pixelrag-plugins
装好后让 Claude 帮你看网页：
claude -p "screenshot https://news.ycombinator.com and summarize the top stories"
claude -p "screenshot https://arxiv.org/abs/2404.12387 and explain the key findings"
不用 MCP server、不用后端，skill 直接调用你机器上的 pixelshot CLI（基于 Playwright/CDP）。
使用案例
独立开发者做一个海外产品的「AI 文档助手」功能：用户上传 PDF 或粘贴 URL，AI 回答里面的数据问题（含图表、表格）。用 PixelRAG + Ollama（本地 VLM）：上传 PDF → 截屏分块 → 向量化索引 → 用户提问时检索相关 tile → LLM 看图回答。整个流水线自托管、零 API 费用、视觉信息不丢失。
另一个场景：出海调研团队需要快速总结竞品博客文章。传统做法是 Readability + LLM 总结，但表格数据、嵌入的产品截图都没了。用 PixelRAG 的 Claude Code plugin，让 Claude 直接看截图——产品对比表、技术架构图、定价截图全部能被问到。
注意事项
- 完全免费开源（Apache-2.0 协议），官方 hosted API 也免费（无需 key）
- 索引构建需要 GPU（约 3 分钟 Apple M 系列，约 1 分钟 GPU），搜索查询 CPU 即可
- 预训练模型 Qwen3-VL-Embedding-2B 已发布到 Hugging Face，可独立部署
- 完整训练数据集也开源（Chrisyichuan/screenshot-training-natural-filtered-v2），可自行微调其他 VLM embedding
- macOS（Apple Silicon / MPS）、Linux（CUDA）、CPU 全平台支持，device: auto 自动选最佳后端
- 与 Firecrawl 的关系：Firecrawl 擅长把网页转结构化 Markdown 做文本 RAG；PixelRAG 擅长保留视觉信息做视觉 RAG。两个工具互补，不互斥