一句话看懂：Polyvia 推出了一套面向 AI Agent 和企业知识工作者的多模态文档检索基础设施，可以在 200 毫秒内从超过 10 万份 PDF、图表、幻灯片、手写扫描件等文件中检索并引用来源的答案，解决了现有方案在大规模非结构化文档场景下速度慢、需拼装多个组件的问题。
事件核心：发生了什么
Polyvia 在 GitHub 上以 Show HN 形式发布了 Polyvia 1，包含两套产品：面向开发者的 Polyvia API（已上线）和面向企业知识工作者的 Polyvia Platform（即将上线）。核心能力是将 PDF、图表、复杂表格、信息图、扫描件、手写体、发票等视觉和模态数据，通过 VLM 视觉提取器转化为多模态知识本体，并在此基础上运行检索与自动化 Agent。一次跨 10 万份文件的搜索返回时间低于 200 毫秒，且每条答案都附带引用来源页。Polyvia 同时提供了 Python SDK、TypeScript SDK 以及 MCP（Model Context Protocol）服务，支持 Claude Code、Cursor 等 Agent 客户端一键接入。
为什么重要
当前企业级多模态文档检索面临着明显的“规模化断层”：Agent 级的逐文件搜索（如 Claude Code 等）在文件数超过约 100 份后性能急剧下降；而现有基础设施主要依赖视觉提取器或 PDF 解析器（如 Reducto、LlamaIndex）拼装，缺乏端到端的方案。Polyvia 试图填补这一空白，把提取、建索引、检索、引用整合成单一 API，直接面向金融尽职调查、信贷监控、保险理赔等场景。对 AI Agent 开发者而言，这意味着不再需要自己组合多个开源组件就能实现大规模多模态 RAG（检索增强生成），降低了搭建企业级文档智能系统的门槛。
对用户/开发者/创作者的影响
开发者可以通过 API（pip install polyvia 或 npm install polyvia）快速接入，支持按文档 ID、分组或整个工作空间检索，并可作为工具集成到自己的 Agent 中。MCP 支持使得 Claude Code 用户只需一行命令就获得多模态文档检索能力。企业知识工作者可以通过即将上线的平台直接查询数百份视觉密集型研究报告或财报纪要，答案自动标注引用页。目前公开信息显示，Polyvia 支持输入的类型包括 PDF、图表、幻灯片、表格、扫描件、手写体、发票和音频，并计划加入视频、医疗影像、化学数据等。这意味着内容创作者、研究分析人员和企业合规部门可能最先受益。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 落地验证：Polyvia 目前的演示数据以财务报告、尽职调查为主，能否在更广泛的行业文件（如法律卷宗、医疗病历）中保持 200 毫秒的响应和高精度还需实际案例支持。二是 定价与商业化：目前 GitHub 页面未公开 API 价格和企业版条款，收费标准将直接影响开发者接受度。三是 竞品跟进：与 LlamaIndex 等生态组件相比，Polyvia 提供的是全托管、端到端的方案，如果开源社区或 Retool 类低代码平台同样推出类似封装，竞争格局可能发生变化。
来源：github.com
