问题：
将复杂的知识答疑类文档，转化为知识库内容，便于大模型调用。
问题1：文档中包含大量数学符号及数学公式，但未使用数学公式编辑器进行编辑，全都是图片。
问题2：文档中少量包含一些流程图类的图片内容，有的还是拍照截取的书本上的内容。
解决方案一：从图片角度处理，保留原格式内容
由于目前多数大模型为文本大模型，多模态大模型较少且不开源，为了保留这些图片，并使大模型正确输出，且能够对文档进行批量处理。可分为4个步骤处理
1、 使用python对文档进行整理，将全部图片统一转化为base64格式，并在文档的原图片位置进行替换，最终输出转化后的txt文档（因base64有编码及格式要求，转化为docx会导致base64编码有误）。
2、将转化后的txt文档导入知识库管理工具
3、配置相关提示词，使大模型进行原文输出
【提示词示例】: 请用原文回答我的问题，如果原文是问答对，那么给出问答对的所有内容，如果回答出现[图片_Base64开始]与[图片_Base64结束]将其中间内容放入img标签的src属性下输出：什么是离散系数
输出结果如下：
标准原文如下：
4、 大模型输出展示进项相关改造，使其能展示img标签内容，即可在前端进行1:1原文的还原展示。
总结： 该方案可对原文档进行近乎自动化的操作，人工内容较少，且还原程度较高。但转化为base64后字节数很高，对大模型输出token限制有较高的要求，需要使用这方面的大模型进行实际测试，对服务器的压力也比较大，一个图片上万个字符数（大约消耗 2500 - 3333 个 token）很常见，如kimi新开源的模型，如果一个回答里有多个这种大图片，应用效果不佳。如使用此方案，最后人工挑选出方案较大的图片采用图片url的方式进行输出，会增加部分人工的工作量。
解决方案二：从数学公式角度处理，可优化展示内容
既然文档中大量的内容是数学公式，我们可以借用OCR识别技术，将其转化为正常的数学公式，再由大模型进行输入输出。无法转换为数学公式的图片，由于内容较少，可放置到一个图床系统里或者放到一个静态文件夹内，在原文档内改为一个内网地址。
可分为四个步骤进行处理：
1、将原文档拆分（人工）为多个小文档，对每个小文档调用大模型，输出转化后的文本内容（基于豆包）
2、检查识别错误的内容，找出图片单独进行OCR识别补充（基于豆包）
3、合并文档输入知识库，配置大模型提示词。（参考方案1）
4、大模型输出展示进项相关改造，使其能展示img标签内容，可展示比原文展示效果更好的且内容1:1还原的答案。
