# Examples 示例文件 本目录包含两个主要的测试示例: ## 📁 simple_test.py - 基础功能测试 **用途**: 验证RAG系统的基础功能 - 🔧 纯文本文档处理 - 📄 文档加载和切分 - 🔍 文本向量化和存储 - 🔎 相似性搜索 - 📝 查询结果整合 **特点**: - 禁用图片处理(专注基础功能) - 适合快速验证系统可用性 - 轻量级测试 **运行**: ```bash python examples/simple_test.py ``` ## 🚀 ad_test.py - 高级功能测试 **用途**: 验证多格式文档和图片内容识别 - 📄 多格式文档解析 (DOCX, PDF, XLSX, CSV) - 🖼️ 图片自动提取和处理 - 🤖 图片内容描述生成 - 📝 图片文本内容识别 (OCR) - 🔍 混合内容检索 (文本+图片) - 📊 内容分类显示 **特点**: - 启用完整图片处理功能 - 使用BLIP模型进行图片理解 - 支持图片中文本提取 - 增强的查询结果显示 **运行**: ```bash python examples/ad_test.py ``` ## 🔧 图片文本识别功能 高级测试(`ad_test.py`)包含增强的图片文本识别功能: ### ✅ 图片内容处理 - **自动提取**: 从DOCX和PDF文档中自动提取嵌入的图片 - **智能描述**: 使用BLIP模型生成图片内容描述 - **文本识别**: 支持OCR提取图片中的文字内容 - **分类标记**: 自动识别图片类型(技术图、数据图表等) ### 📝 OCR文本提取 系统尝试从图片中提取文字内容,支持: - **pytesseract**: 高精度OCR引擎(需要安装) - **easyocr**: 备用OCR方案(支持中英文) - **基础模式**: 如果OCR库不可用,提供基础信息 ### 🔍 增强检索体验 - **内容分类**: 查询结果区分图片内容和文本内容 - **统计信息**: 显示检索到的文本和图片数量 - **格式化显示**: 图片内容带特殊标记 `🖼️ [图片内容]` ## 📋 测试文档要求 ### 基础测试文档 - `python_basics.txt` - Python基础知识 - `data_science.txt` - 数据科学内容 ### 高级测试文档 - `complex_data_science.docx` - 包含图片的Word文档 - `ai_research_report.pdf` - 包含图片的PDF报告 - `company_report.xlsx` - Excel工作簿 - `sales_data.csv` - CSV数据文件 ## 🎯 预期效果 ### 基础测试 - ✅ 文档正常加载和处理 - ✅ 文本查询返回相关结果 - ✅ 系统响应时间正常 ### 高级测试 - ✅ 多格式文档成功解析 - ✅ 图片内容被自动识别和描述 - 🖼️ 图片查询能返回图片相关内容 - 📊 查询结果包含内容类型统计 - 🔍 图片和文本内容可被统一检索