PixelRAG 评测：网页 RAG 不只解析 HTML，也可以从像素开始

PixelRAG 解决的是传统网页解析和检索之间的信息损失问题。普通爬虫可能拿到文本，却丢掉位置、布局、分组、视觉强调和跨组件关系。Pixel-native 方法尝试把这些视觉线索纳入检索。

适合研究型团队、复杂网页搜索、视觉文档理解和 RAG 基础设施探索。不适合追求低成本、低延迟、快速上线的普通知识库项目。

网页 RAG 的老问题是解析很脆。HTML 结构复杂、广告和导航混杂、动态页面难抓、截图里的视觉层级又常常丢失。PixelRAG 的价值在于提出另一个方向：如果网页本来就是给人看的，检索系统是否也应该理解页面的视觉形态？

这对产品页面、仪表盘、文档站、表格密集页面和视觉布局强的网页尤其有意义。它不是要否定文本 RAG，而是在提醒团队：网页上的“信息”不只存在于 DOM 文本里。

PixelRAG 使用 Apache-2.0 许可，代码层面商业友好。采用时要特别注意输入内容：网页截图、视觉页面、第三方站点内容和用户数据可能受版权、隐私和站点条款约束。

商业可用性给 9 分，是对项目代码许可的评价，不是对任意网页内容抓取和索引的许可。

非技术用户可以这样判断它是否值得：你的问题是否真的需要视觉布局？如果只是搜索普通文档文本，传统 RAG 更简单。如果用户需要理解页面区域、表格位置、卡片关系或视觉强调，PixelRAG 才更有价值。

试点时只用自有网页或授权内容，不要随意抓第三方站点截图。

让 Codex 协助时，要求它先搭一个离线 demo：使用自有静态网页截图，建立小规模索引，设计 20 个视觉相关问题，比较 PixelRAG 与文本抽取 RAG 的回答差异。

不要第一阶段接入公开网页爬取。先证明视觉线索确实改善检索，再评估成本和授权。

PixelRAG 的能力上限在多模态检索：让系统理解页面外观、布局和视觉结构。它可能影响网页搜索、复杂文档问答、仪表盘助手和视觉知识库。

边界是工程成本。截图、视觉编码、索引和检索都比纯文本更重，评测也更难。只有视觉信息真的关键时，它才值得采用。

为什么它不是普通 RAG

普通 RAG 关注文本切分和向量检索。PixelRAG 关注网页作为视觉对象时的结构信息。这让它更像研究型基础设施，而不是立刻替换现有知识库的工具。

采用前要量化什么

比较视觉问题准确率、索引成本、查询延迟、截图存储成本和授权内容比例。如果视觉 RAG 没有明显提升准确率，就不该承担更高复杂度。

最终判断

PixelRAG 是值得关注的前沿 RAG 项目。它适合复杂网页和视觉信息密集场景，不适合简单文本知识库盲目升级。