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。

换工具的成本常被低估，这篇按步骤列出迁移前后要做的事。

以从 Docling 迁移为例

迁移不一定是「全面替换」。很多团队会先把一部分任务交给 Unstructured，与 Docling 并行一段时间再决定。

迁移步骤

  1. 盘点资产：现在用的提示词、模板、知识库、自动化流程和历史产出。
  2. 确认导出方式：哪些能导出、格式是什么、哪些只能手工迁移。
  3. 挑 3 个典型任务（如「检索效果对比」「构建问答测试集」）在两边同时做。
  4. 按同一张评分表比较结果。
  5. 迁移账号与权限，通知团队新的使用规范。
  6. 保留旧工具一段时间的只读访问，确认无遗漏后再停用。

对比测试用的任务

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。

验收标准：对比用同一批问题。

不建议迁移的情况

  • 核心流程依赖 Docling 特有的功能或集成。
  • 团队刚刚完成培训，切换成本过高。
  • 新工具的数据处理条款不满足要求。

更多可以试的用法

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。

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。

带来源的快速调研

准备材料：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。

交付前确认：关键结论都有可点击来源。

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：引用溯源

回答附带原文出处，便于核对。

概念补充：嵌入（Embedding）

把文本转成向量，用于语义相似度检索。

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。

适合人群：销售

销售可以用 Unstructured 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。

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。

使用提醒

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。

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。

延伸阅读