Jina Reader 术语速查：看懂设置和文档的关键词
把网页转成适合大模型阅读的文本的服务——这是 Jina Reader 最主要的用途，也是本文讨论的前提。
看文档和设置项时遇到的术语，这里用一两句话解释清楚。
术语表
- RAG（检索增强生成）：先检索相关资料再让模型作答，降低胡编概率。
- 嵌入（Embedding）：把文本转成向量，用于语义相似度检索。
- 切分（Chunking）：把长文档拆成适合检索的小段，大小影响效果。
- 重排序（Rerank）：对初步检索结果再次打分排序，提升相关性。
- 混合检索：同时使用关键词和向量检索，兼顾精确匹配与语义理解。
- 引用溯源：回答附带原文出处，便于核对。
和 Jina Reader 相关的补充
- 开发者 API：Jina Reader 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：Firecrawl、Trafilatura、Tavily。
- 所属方向：搜索与知识库。
把概念用起来
内部文档入库
准备材料：一批 PDF、Word 和网页。
把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。
检查点：切分后的段落能回溯到页码。
更多可以试的用法
网页内容抓取
准备材料：一组需要定期关注的网页。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
验收标准：没有臆造发布日期。
带来源的快速调研
输入：一个需要事实支撑的问题。
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
验收标准：关键结论都有可点击来源。
检索效果对比
输入：同一批问题和两种检索配置。
用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。
交付前确认：对比用同一批问题。
常见问题：中文检索效果差
选择对中文支持好的嵌入模型，并为专有名词建立同义词。
常见问题：答案引用了错误段落
调整切分大小、加入重排序，并检查文档解析是否丢失标题。
常见问题：表格内容检索不到
换用能保留表格结构的解析工具，或单独把表格转成文本描述。
概念补充：混合检索
同时使用关键词和向量检索，兼顾精确匹配与语义理解。
概念补充：切分（Chunking）
把长文档拆成适合检索的小段，大小影响效果。
适合人群：数据分析师
数据分析师可以用 Jina Reader 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
适合人群：研究生
研究生可以用 Jina Reader 处理文献阅读、开题与论文写作等工作。需要注意：遵守学校学术诚信规定，AI 只用于辅助理解和润色。
适合人群：法务与律师助理
法务与律师助理可以用 Jina Reader 处理合同初审、法规检索等工作。需要注意：AI 输出不构成法律意见，条款和法规必须由执业人员核实。
使用提醒
文中提示词和示例仅作示意，实际效果取决于你的材料和 Jina Reader 当前版本，重要内容请人工核对后再使用。
涉及个人信息、商业机密或受监管数据时，先确认 Jina Reader 的数据处理条款，再决定能否使用。