Day 33 ✅ 今天做了：刷面试题，比如使用langgraph实现RAG系统时，如何处理pdf文档中表格数据的召回问题：处理pdf时，我会先判断是文本型pdf还是扫描型pdf。表格不能按照普通文本切分，这样可能会表头和数据行分开导致语义缺失，通常会使用布局解析或者是表格提取工具，将表格内容恢复为markdown，html，json格式。保留表头，数据行的关系，单位和来源信息。对于图片型表格可以使用ocr，复杂的图片可以使用多模态模型进行辅助解析和校验。小表格可以以表格chunk加摘要的方式写入向量库，大表格以主题，字段和摘要写入向量库，命中后通过表id调用关系数据库，将关联数据交给大模型。最后通过报表类型，年份，部门，来源页码等做过滤和溯源 ⏰ 明天计划：继续刷面试题 📚 今日感悟：看懂了不一定会，还得能说出来