用 Unstructured 完成第一个小项目：完整演练
先说清楚它是什么：Unstructured 属于「搜索与知识库」方向的开源项目，把 PDF、Word 等文档切分清洗成 RAG 可用数据的工具。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：资料卡片整理
目标：用 Unstructured 完成一次「资料卡片整理」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 阅读仓库 README 与许可证。
- 准备材料：搜索得到的十几篇资料（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：每张卡片都有来源。
- 保存提示词与最终结果，写三行复盘。
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。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「带来源的快速调研」，或者把这次的流程分享给同事一起试。
补充练习
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。
验收标准：每个答案都能在手册中找到。
检索效果对比
适用情况：手头有同一批问题和两种检索配置时。
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。
网页内容抓取
输入：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」。
交付前确认：没有臆造发布日期。
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。
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：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。
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。
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。
适合人群：软件工程师
软件工程师可以用 Unstructured 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。
适合人群：科研人员
科研人员可以用 Unstructured 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。
适合人群：记者编辑
记者编辑可以用 Unstructured 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。
使用提醒
本文基于 Unstructured 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。
文中提示词和示例仅作示意，实际效果取决于你的材料和 Unstructured 当前版本，重要内容请人工核对后再使用。