推荐语
RAG技术搭建知识库助手的关键第一步：如何准确提取PDF内容？Doc2X工具帮你解决格式混乱、识别不准等痛点。
核心内容：
1. 为什么MarkDown格式是构建RAG知识库的最佳选择
2. 传统PDF解析工具的三大常见问题与解决方案
3. Doc2X在表格/公式识别和API集成方面的独特优势
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
基于RAG技术搭建本地知识库问答助手，已经是相当普遍的应用方案了。前一阵我在公司实践过，用我们过往积累的、对业务重要的内部知识构建知识库，开发了一个智能问答Agent，能减少团队一部分的答疑时间。构建知识库时，我们将内部知识整理成了 MarkDown 格式。至于为什么用MarkDown 格式，我简单总结了几个原因。首先，一个文件最终要分块Embedding，而 MarkDown 格式天然支持标题分级，便于按章节分块（chunking），保证分块语义的完整性，提高后续内容召回的准确率。其次，知识库的内容需要让大模型理解，而大模型对 MarkDown 这种结构化的内容理解更好。这也是用 MarkDown 编写 prompt 成为主流的原因。对我们个人来说，工作、学习中有很多场景，需要搭建个人知识库助手。比如，阅读新论文、阅读技术文档做分享等等。在这些场景中，我们拿到的原始文档格式大都是 PDF 格式的，比如，下面的这个
最容易想到的方案是找个 Python 库解析，如：PyPDF2。下面是我解析的结果明显发现有三个问题，1、所有文本堆在一起没有格式， 2、文本识别不准，多个单词连在一起， 3、图片丢了这样的内容，如果直接作为 RAG 知识库，准确率会非常差。幸好，最近发现一个能准确提取PDF内容的工具——Doc2X可以说是我用过的工具中最准确的了，还是上面那个PDF文档，来看下 Doc2X 识别的结果左边是原始PDF文档，右边是 Doc2X 提取的 MarkDown 格式文档。有标题结构，内容准确，有配图，可以说两边一模一样。这样的内容，你才敢放心地导出，去构建RAG知识库。Doc2X 支持多种格式导出，包括 Markdown、LaTeX、HTML、Word 等。我们平时阅读论文、技术文档，难免遇到大量的表格、数学公式，Doc2X 对这部分做了深度优化，能实现⾼精度的识别与结构化转换。甚至如果你下载了一些来路不明的文档，比如，里面都是扫描件，根本没办法直接从PDF文件中直接复制文本，Doc2X 依然可以准确提取。对于我们搞技术的来说，有这么好用的工具，能写程序自动调用才是正道，Doc2X 也提供了开放平台。有了 API 就能调用接口自动提取PDF内容，然后构建知识库，开发智能体。
不想写代码也没关系，Doc2X 接⼊了 FastGPT、CherryStudio、扣⼦等平台，可以零代码创建智能体。
在扣子上使用 Doc2x 搭建文档阅读Agent，仅仅只需1步，添加 Doc2X 插件，填入开放平台创建的 API Key 即可。
当然，现在很多AI大模型产品也支持上传PDF文件进行问答。但 Doc2X 的优势在于，是专业做文档提取的，准确度更高。
并且不像其他产品上传文件后，解析的结果对我们是黑盒，Doc2X 提取后结果对我们可见，我们可以对结果做干预，生成的内容更可控。
Doc2X API 价格也是很便宜的，每页单价0.02元。有需要的朋友可以用起来了。
粤ICP备14082021号
免费POC，
零成本试错
