Unstructured 是一款开源项目：把 PDF、Word 等文档切分清洗成 RAG 可用数据的工具。

如果你刚开始接触它，可以按下面 7 天的安排练习，每天 20 到 40 分钟。

每日安排

  • 第 1 天：注册与熟悉界面：阅读仓库 README 与许可证；按官方推荐方式安装（容器或包管理器）
  • 第 2 天：完成第一个任务「构建问答测试集」，按下文提示词操作。
  • 第 3 天：换一类任务「资料卡片整理」，对比两次结果的质量。
  • 第 4 天：学习关键概念：RAG（检索增强生成）、嵌入（Embedding）、切分（Chunking）
  • 第 5 天：用真实工作材料做一次「带来源的快速调研」，记录省下的时间和需要返工的地方。
  • 第 6 天：排查问题：对照常见问题「答案引用了错误段落」等检查自己的用法。
  • 第 7 天：复盘：保留有效的提示词，写下继续使用或放弃的理由。

第 2 天的练习材料

构建问答测试集

输入：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。

交付前确认：每个答案都能在手册中找到。

一周后怎么判断值不值得继续

  • 是否稳定地节省了时间，而不只是第一次觉得新鲜。
  • 返工次数是否在下降。
  • 与 Docling 等同类相比，是否更适合你的场景。
  • 数据与费用是否在可接受范围内。

更多可以试的用法

网页内容抓取

适用情况：手头有一组需要定期关注的网页时。

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」。

检查点：没有臆造发布日期。

检索效果对比

准备材料：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。

检查点：对比用同一批问题。

内部文档入库

适用情况：手头有一批 PDF、Word 和网页时。

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。

验收标准：切分后的段落能回溯到页码。

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。

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。

概念补充：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。

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。

适合人群：咨询顾问

咨询顾问可以用 Unstructured 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。

适合人群：法务与律师助理

法务与律师助理可以用 Unstructured 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

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

涉及个人信息、商业机密或受监管数据时，先确认 Unstructured 的数据处理条款，再决定能否使用。

延伸阅读