跳到正文
TAIP

产品 / 面向 AI 开发者

GrokX

正式版

让智能体依据自有文档作答，支持扫描版 PDF，并标注来源页码。

GrokX 为 TAIP 提供知识检索功能，与 InferX 的模型服务和 AgentX 的智能体运行能力配合使用。系统提取文档文本，对扫描页进行 OCR 识别，再按段落、标题或句子分块，保留来源与页码。SHA-256 清单用于识别变更，重复导入时跳过未修改的文件。默认采用混合检索，将稀疏关键词向量与稠密嵌入的检索结果融合，再通过交叉编码器重排；小规模语料也可导出为 Markdown 目录，挂载后用 grep 检索。Web 控制台支持 OIDC 单点登录、受权限限制的个人访问令牌和按知识库配置的 RBAC，各知识库使用独立的向量数据库集合。在 AgentX 中以 kb 为别名注册后，mcp__kb__search(query, kb) 可返回相关段落及来源页码。嵌入与重排调用自有 InferX 服务。GrokX 通过 Helm 交付 MCP 服务、控制台、向量数据库和索引器，已在生产环境中运行。

全部产品

产品规格

状态
v0.9.0 — 已发布，生产环境运行中
文档导入
文档文本 + OCR 处理扫描件 · PDF · Word · HTML · Markdown · 纯文本 · 视觉模型转写表格与图表
检索
混合检索（稀疏关键词向量 + 稠密向量）· 排名融合 · 交叉编码器重排 · 页级引用
中文
中日韩文字（CJK）按字符二元组索引，并统一字符宽度，支持中文混合检索
嵌入
通过 InferX 接入可替换的嵌入模型 · 兼容 OpenAI /embeddings
存储
可插拔向量数据库（dense + sparse 命名向量）· 开发用本地存储
访问
Web 控制台 · OIDC 单点登录 · 平台 taip_ 令牌 · 按知识库 RBAC · 文档级 ACL · 审计日志
质量
标准评测集——hit@k、MRR、召回率，可选 LLM 评估回答与依据的一致性 · 按知识库统计检索指标
服务
MCP 服务（streamable HTTP）· Helm：服务 + 控制台 + 向量数据库 + 索引器

使用示例

通过示例了解用法。

无需专用 SDK，也无需重写客户端。 GrokX 可直接与现有工具对接。

导入文档，供智能体检索 
$ grokx push ./corpus --kb research   # 上传文档 + OCR 识别扫描件 + 建立索引，可断点续传
ingested 142 docs · 38 OCR'd · 1,907 pages → indexed 9,841 chunks
$ grokx serve                          # MCP 服务（streamable HTTP），监听 :8080
serving 6 knowledge bases
# AgentX 的 Agent 调用该工具——混合检索 + 重排，带引用作答：
mcp__kb__search("Q3 revenue", kb="research") → "…revenue was $4.2M…"  [report.pdf p.12]▌

OCR 和嵌入计算在导入时完成，查询时无需重复执行。检索融合关键词与语义结果并进行重排，保留段落来源和页码，便于引用与核实。

核心能力

GrokX 的主要功能

01

导入文档，识别扫描内容

支持 PDF、Word、HTML、Markdown 和纯文本。系统逐页提取已有文本，对扫描页使用 OCR 识别，再进行后续处理。OCR 无法完成时标记为 ocr-skipped，保留处理状态，避免整个导入流程直接失败。

02

混合检索与结果重排

稀疏关键词向量与稠密嵌入以命名向量存储，检索结果经排名融合后，再由交叉编码器对排名靠前的结果重排，同时利用关键词和语义信息。小规模语料也可挂载 Markdown 文本镜像、使用 grep 检索。中文等非拉丁文字采用字符二元组索引和字符宽度归一化，改善关键词匹配效果。

03

页级引用

每个文档分块保留来源与页码，导入、检索和重排后仍可追溯。智能体可在回答中标注“依据 report.pdf 第 12 页”，便于核实。

04

通过 MCP 接入 AgentX

grokx serve 提供 MCP 服务，在 AgentX 中以 kb 为别名注册后，可调用 mcp__kb__search(query, kb, k, source?, page?)、list_knowledge_bases、list_sources 和 get_document。模型按需检索并获取带引用的段落；向量数据库始终留在 GrokX 中，绝不进入智能体沙箱。

05

统一管理知识库与访问权限

Web 控制台通过 OIDC 单点登录管理多个隔离知识库，每个知识库使用独立的向量数据库集合。支持 viewer / editor / owner 角色、用户与用户组 ACL、仅允许追加的审计日志。智能体读取操作记录实际发起人的身份。文档级 ACL 可从源系统同步，检索结果按用户权限过滤。脚本和智能体统一使用平台 taip_ 令牌认证，控制台内置中英双语指南。

06

四种导入方式，支持增量更新

支持 Web 上传（可断点续传）、grokx push / sync 命令行、WebDAV 挂载和定时 git 连接器。SHA-256 清单跟踪源文件变化；重新导入或建立索引时跳过未变更的文档、清理已删除项，减少重复 OCR 和嵌入计算。

07

使用自有 InferX 完成嵌入与重排

嵌入与重排调用自有 InferX 的 OpenAI 兼容接口，无需第三方嵌入 API，数据保留在自有环境中。开发时可使用本地存储和哈希嵌入器，无需部署额外基础设施。

工作原理

从文档导入到生成回答，全程保留引用来源。

  1. 步骤 01

    导入文档并识别扫描页

    通过 grokx push、Web 控制台、WebDAV 或 git 连接器导入文档。系统提取文本，对扫描页进行 OCR，再分块并建立索引，全程保留来源信息，后续按文件变更增量更新。

  2. 步骤 02

    建立混合检索索引

    文档分块生成嵌入后，与稀疏关键词向量一同存入对应知识库，支持混合检索和重排。也可挂载 Markdown 文本镜像，使用 grep 检索。

  3. 步骤 03

    通过 MCP 提供检索工具

    运行 grokx serve，并在 AgentX 中注册 kb 工具。模型需要文档依据时调用 mcp__kb__search，获取带来源与页码的段落。

  4. 步骤 04

    生成带引用的回答

    智能体根据检索到的文档内容作答，并标注具体来源与页码，便于核实。

适用团队

适合哪些团队

  • 使用私有文档构建知识问答智能体的团队
  • 需要检索大量扫描版 PDF 的团队
  • 需要检索中文或中英混合文档的团队
  • 需要为回答提供可核实引用的 AI 应用团队
  • 需要统一管理共享知识索引和多租户权限的平台团队

搭配使用

其他开发者产品

ConsoleX

 正式版

登录即可获得独立的 Kubernetes 工作空间，无需 kubectl 或人工开通。

首次通过单点登录（SSO）访问时，系统自动创建隔离的命名空间，配置配额、网络策略、存储和 Web 终端，并持续同步配置。ConsoleX 还统一提供平台令牌、SSH 网关和由集群分发的 taip 命令行工具。

了解更多

DevSpace

 正式版

几秒钟内启动配备 GPU 的 Jupyter 或 VS Code 环境，闲置时自动关停。

一键创建 Jupyter、Marimo、Streamlit、Gradio 或 VS Code 环境，按需分配 GPU。每个环境通过独立认证代理控制访问，可授权指定同事使用，默认在闲置时自动关停。

了解更多

TrainX

 正式版

通过模板或项目配置提交训练作业，由 Kubernetes 统一运行。

支持两种作业配置方式：根据模板自动生成表单，或通过项目中的 trainx.yaml 声明运行要求、使用平台提供的镜像。提交前实时校验配额，运行时提供日志、进度、MLflow 记录和断点恢复，训练产物可继续用于评测或部署。

了解更多