$ loading_
为多模态文档建立知识库，并通过 RAG 与知识图谱进行智能检索问答。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP-RAGAnything" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 MCP-RAGAnything 为这批 PDF、图片和表格建立可检索知识库，启用图谱型 LightRAG，并说明索引状态与可查询字段。
返回知识库建立结果、索引进度、支持的检索方式，以及可用于后续问答的集合信息。
在已建立的知识库中检索“系统如何从 MinIO 取回原始文件并关联 PostgreSQL 知识图谱”，给出简明答案并附上引用来源。
输出基于知识库的答案、相关文档片段、引用来源，以及必要时的多跳关联结果。
请分别用经典 RAG 和 LightRAG 对同一批文档执行查询，比较召回结果、答案质量和适用场景。
提供两种检索管线的对比结果，帮助判断在当前知识库中应采用哪种方案。
让兼容 MCP 的应用进行多模态文档处理、检索与知识增强问答。