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​