Unstructured 相关术语解释（新手向）
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。
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 Unstructured 相关的补充
- 开源项目：Unstructured 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：Docling、LlamaParse、MinerU。
- 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。
验收标准：切分后的段落能回溯到页码。
更多可以试的用法
资料卡片整理
适用情况：手头有搜索得到的十几篇资料时。
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。
验收标准：每张卡片都有来源。
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。
检查点：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：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。
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：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：研究生
研究生可以用 Unstructured 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：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。
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。
注意事项
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。
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。