base_rag/examples/README.md

89 lines
2.5 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# 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