常先森

本期我们将聚焦这些结构化与半结构化数据的处理方案。Excel/CSV/TXT 文档的处理更注重数据完整性、格式保真和高效提取。RAGFlow 通过精巧的设计，为每种格式提供了最优的语义切块策略。

本期我们将挑战文档处理领域的"终极 BOSS"—— pdf 格式。作为最复杂、最通用的文档格式，版面布局千变万化，文字提取难度极高。RAGFlow 为不同特性的 pdf 文档提供了针对性的解决方案。

本期我们将从通用机制深入到具体文件类型的实现逻辑，聚焦 word 文档在 navie parser 下的语义切块原理。

本期对 ragflow 分词器的原理进行详细拆解。这一模块作为所有文档类型解析流程的公共组件，承担了语义分段、文本归一化、chunk 边界控制等底层职责。

本系列文章带你从源码角度深度剖析 RAGFlow，从文件上传、解析、切分、向量化到最终入库。本文聚焦于文档解析与切分的全流程概述，为理解整个 RAGFlow 流程打下基础。

对比 DeepSeek-OCR 与 PaddleOCR-VL，揭示前者识别弱但理解强的本质，解释你觉得它“不好用”的真正原因。

当 AI 能“看懂”图片，它是否比人更懂文字？本文拆解三种最新视觉方案——DeepSeek-OCR、PaddleOCR-VL、Glyph，讨论背后隐藏问题：AI 的阅读力，究竟比我们更聪明，还是更模糊

近期，微软开源的下一代 RAG 技术—— Graph RAG 被开发者们津津乐道，相比较传统的 RAG，它更高效，更全面，更准确，然而代价是什么，Graph RAG 真的适合你吗？阅读本文，找到答案。

在人工智能领域，如何选择适合的大模型可能令人困惑。本文将深入探讨三种基础架构及其代表模型，并通过介绍三种基准测试，帮助你理解如何评价和选择模型。让我们一起找到最适合你的大模型。