把 PDF、Word 等文档切分清洗成 RAG 可用数据的工具——这是 Unstructured 最主要的用途，也是本文讨论的前提。

这篇写给数据分析师：围绕取数与 SQL、清洗与可视化和分析报告这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

数据分析师的三个高频用法

1. 取数与 SQL

提示词示例：

根据表结构写 SQL：按月统计新增用户与 7 日留存，说明关联条件、时间口径和可能的重复计数问题。

把关：口径说明清楚。

2. 清洗与可视化

在 Unstructured 中可以这样提：

检查这份数据的质量：缺失、重复、异常值和格式问题，给出处理方案，并说明每种处理对结论的影响。

把关：说明了处理影响。

3. 分析报告

在 Unstructured 中可以这样提：

根据分析结果写一页报告：结论先行、3 个关键发现、1 张建议图表、局限性和下一步建议。

把关：结论有数据支撑。

也可以试试：检索效果对比

这是「搜索与知识库」类工具的通用任务，数据分析师同样用得上。

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。

边界与合规

确认指标口径，敏感数据脱敏后再交给 AI 处理。

  • 产出由数据分析师本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；Unstructured 的同类还有 Docling、LlamaParse。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 Unstructured 纳入日常流程。

补充练习

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」。

验收标准：没有臆造发布日期。

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。

交付前确认：切分后的段落能回溯到页码。

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。

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：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。

概念补充：嵌入（Embedding）

把文本转成向量，用于语义相似度检索。

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：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。

写在最后

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。

延伸阅读