详细内容或原文请订阅后点击阅览
从正则表达式到视觉模型：哪种 RAG 技术适合哪个问题
企业文档智能 [Vol.1 #4] - 对 PDF 和问题的诊断，以及本系列其余部分将涵盖的技术图从正则表达式到视觉模型：哪种 RAG 技术适合哪个问题首先出现在走向数据科学上。
来源:走向数据科学女士不值得经典剧本。第3条说不存在THE RAG技术。你仍然必须选择一个。本文是告诉您哪一个的诊断。
大多数构建 RAG 系统的团队都会采用相同的剧本：将文档解析成块，嵌入每个块，将它们放入向量存储中，嵌入问题，通过余弦相似度检索 top-k，将结果交给法学硕士。称之为经典的 RAG 剧本。每个教程都会教它。每个演示都在其上运行。
实际问题的差异比剧本所暗示的要大得多。几个真实案例。
三个不同极端的三种情况。
模板化的大容量文件。保险证书、KYC 表格、监管文件、每月经纪报表。相同的软件在每个文档上编写相同的布局。一百行正则表达式可在微秒内提取字段。经典的剧本也在这里运行，但它需要支付法学硕士学位才能免费做布局给你的事情。
跨行业的相同形状：工资存根、银行对账单、实验室测试报告、税务申报、合规证明、来自一个 ERP 的供应商发票。无论一个软件在哪里编写每个文档，布局都是一份合同。
客户服务记录中的讽刺。“在本月的通话录音中找到每一条讽刺言论。”标准情绪评分（愤怒、沮丧、喜悦）很大程度上是通过情绪词典解决的：不可接受、可笑、沮丧，所有标记都清晰可见。讽刺是典型的例外。“哦，很棒的服务，只需要等待 45 分钟”在每个词典上都得分为正，并且嵌入将其与真诚的版本聚集在一起，因为表面单词几乎相同。唯一诚实的方法是法学硕士，完整阅读每个电话并判断所说内容和意思之间的差距。
工程原理图（完全不同的轴）。图纸、图表中数据所在的幻灯片、带有嵌入图像的技术规格。纯文本 RAG 返回标题并错过原理图。视觉模型适合这里，也只适合这里。