📌 📄 内容摘要:
@AoManoh 在 有无懂RAG的佬友？我想请教一下法律文档如何分块 中发帖
如题，本人再跑公司的RAG业务。主要是将郭嘉的法律 PDF 通过Mineru 解析得到markdown文本和定位json数据后，对文档进行清洗和分块。但是现在遇到两个问题：
Mineru 解析后的文档存在 OCR 错误， 需要调整格式、清洗错误内容
分块策略，最开始用 RAGFlow 的分块策略，但是效果很糟糕。不知道是因为，没有清洗数据还是其他的原因
针对这两个问题，佬友们有什么推荐的文章和宝贵的建议吗？
目前，我的想法是，在清洗格式错误上，由于法律文档要求 100% 可信度，所以用 LLM 清洗风险就很大了，只能考虑一下算法洗 + 自己手动调整。但是我草。200多个法律文档，而且只有我一个人做，这工程量太大了。
所以佬友们，救救我 🥲 救救我 🥲 救救我 🥲
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/1240884/1
─────────────────────────────
📢 来源：LINUX DO
