Marker 术语速查：看懂设置和文档的关键词
Marker 是一款开源项目：把 PDF 快速转换成 Markdown 的开源工具。
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 Marker 相关的补充
- 开源项目：Marker 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：MinerU、Docling、Nougat。
- 所属方向：搜索与知识库。
把概念用起来
内部文档入库
输入：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。
延伸练习
资料卡片整理
准备材料：搜索得到的十几篇资料。
把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。
交付前确认：每张卡片都有来源。
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。
检查点：关键结论都有可点击来源。
构建问答测试集
准备材料：一份产品手册。
根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。
验收标准：每个答案都能在手册中找到。
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：回答过于笼统
要求逐条引用原文，并限定只回答文档中有依据的内容。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
概念补充：重排序（Rerank）
对初步检索结果再次打分排序，提升相关性。
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 Marker 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：记者编辑
记者编辑可以用 Marker 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。
适合人群：咨询顾问
咨询顾问可以用 Marker 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
注意事项
涉及个人信息、商业机密或受监管数据时，先确认 Marker 的数据处理条款，再决定能否使用。
文中提示词和示例仅作示意，实际效果取决于你的材料和 Marker 当前版本，重要内容请人工核对后再使用。