Your browser does not seem to support JavaScript. As a result, your viewing experience will be diminished, and you have been placed in read-only mode.
Please download a browser that supports JavaScript, or enable it if it's disabled (i.e. NoScript).
PyMuPDF 也有表格提取能力，可以作为候选。关键是要人工验几类 PDF。
我们把表格转 Markdown 后，模型会把上一行的价格拿给下一行产品。
这类应该检索到表格后走计算或表格问答，不要让模型凭文本猜坐标。
至少给每行生成 row_id，引用时能回到“第几页第几行”，不然审计没法做。
如果表格是核心事实，建议另建结构化表，RAG 只负责找相关表和解释口径。
那是不是知识库要连数据库？
是的，RAG 不等于所有东西都塞向量库。数字类事实经常更适合 SQL。
我们做过一个折中：表格摘要进向量，原始 CSV 进对象存储，回答时附表格片段。
这个折中不错，但要防摘要漏列。价格、阈值、日期别只在摘要里。
我先把报价表拆成结构化 CSV，再让 RAG 引用 CSV 行，不直接让模型读 PDF 表。
对。PDF 是交付格式，不一定是知识库最佳原始格式。
这句话可以贴墙上。拿 PDF 当唯一事实源，后面会一直补洞。
你好！看起来您对这段对话很感兴趣，但您还没有一个账号。
厌倦了每次访问都刷到同样的帖子？您注册账号后，您每次返回时都能精准定位到您上次浏览的位置，并可选择接收新回复通知（通过邮件或推送通知）。您还能收藏书签、为帖子顶，向社区成员表达您的欣赏。
有了你的建议，这篇帖子会更精彩哦 💗
