first commit

Co-authored-by: Cursor <cursoragent@cursor.com>
2026-07-16 11:12:17 +08:00
commit 4003624b8c
80 changed files with 9990 additions and 0 deletions
@@ -0,0 +1,40 @@
+Pages: 3
+Path: C:\Users\24019\Desktop\RAG-cut\docx\自研搭建AI助手知识库.pdf
+
+============================================================
+PAGE 1 | images=1 text_blocks=17
+============================================================
+自研搭建AI助手知识库
+背景
+AFE有自建自有知识库功能，但知识库的切片效果不佳，存在两个问题：
+1、文档处理能力不足：包括word/pdf/excel文档中的图片、表格无法有效提取处理；
+2、切片规则不佳：如下图一段文本被强硬拆分在两个不同的片段；
+任务
+搭建一个AI助手知识库demo，能支持上传文件，查看切片效果；可以测试召回效果，查看召回入参和
+回参；
+目标
+目标：首要做好切片，其次是召回。
+支持文档类型：
+pdf、doc、docx、ppt、pptx、wps、ppsx
+xlsx、xls、csv、md、txt、html、json、xml、log
+jpg、png、jpeg、bmp、gif
+切片规则：
+表格文档：默认切分/按行切分
+其他文档：默认切分/通用标识符切分
+
+============================================================
+PAGE 2 | images=2 text_blocks=6
+============================================================
+切片内表格：Markdown格式
+期望
+期望效果（基础）：
+1. 图片展示在原文本展示的问题，不会丢失或者移动到其他位置
+2. 表格内容正确提取，并整理为markdown文本
+3. 切片规则合理，对于word至少同一个标题下的内容在一个切片中
+
+============================================================
+PAGE 3 | images=4 text_blocks=3
+============================================================
+期望效果（高级）：
+1. 对图片图形能够提取为图片，且识别文本信息转为文字
+2. 对pdf水平分布的栏目文本能够识别为正常顺序