随笔分类 -  RAG

摘要：Github上有几个不错的文本切分相关的优秀项目，涵盖了不同技术方向和应用场景： AntSK-FileChunk 特点：基于语义理解的智能文本切片工具，支持PDF、Word、纯文本等多种格式，通过语义分析和向量计算确保切片的语义完整性和连贯性。 GitHub地址：https://github.com 阅读全文

摘要：想象你在读一本悬疑小说，但许多关键线索却不知去向。你努力拼凑故事的碎片，但这些信息却被分散在各个章节里。这就好比AI模型在缺乏必要的信息的情况下回答问题时，它们就会胡言乱语。他们猜测，他们填补空白处——而他们也会出错。即使在像检索增强生成（RAG）这样的先进系统中，如果检索到的上下文片段不够明确或不 阅读全文

摘要：工业应用的三条黄金法则 基于实验结果，提炼出 MM-LLMs 在工业级 OCR 应用的实施建议： 1. 高价值文档必须专业扫描：合同、票据等关键文件需使用 ≥300PPI 的扫描设备。 2. 数字验证场景双系统并行：对验证码、身份证号等场景，建议采用"MM-LLMs 语境理解+传统 OCR 字符校验 阅读全文

摘要：要将Word文档转换为Markdown格式，‌有几种方法可以实现这一转换，‌包括使用命令行工具、‌专门的转换工具以及通过编程方式。‌ 使用命令行工具：‌ Pandoc是一个强大的文档转换工具，‌支持多种格式之间的转换，‌包括Word文档（‌docx）‌到Markdown的转换。‌你可以从GitHub 阅读全文