如果 PDF 里面还包含了图片、表格等等的话，那就更不用说了。
https://imgur.com/a/Guu8GR2
所以，我做了一个专治非结构化数据的文件解析插件 Knowhere ，它能够识别复杂的 PDF 、Excel 、PPT 等格式，然后把文件按照思维导图的逻辑进行解析，最大程度地保留文档的层级和结构，最后按照格式分门别类，方便大模型的调用和读取。这时候你再向大模型提问，它的回答就靠谱多了。
我测试了一下，对比传统简单粗暴的 RAG ，这种树形结构的拆分法更符合 AI 的学习逻辑，出来的结果也更准确了，大大减少了大模型的幻觉。
有需要的老哥可以试用一下： https://knowhereto.ai/?utm_source=V2EX
