RAGFlow知识库与PDF文件管理

何时使用

1. 用户需要学习RAGFlow知识库的构建与配置过程。
2. 需要将本地PDF、Markdown文件等文件上传到RAGFlow知识库、更新知识库文档与元数据。
3. 需要处理PDF论文、PDF手册、长文档手册，上传到RAGFlow知识库进行长文档混合检索等操作。

核心功能与工作流程

功能1：RAGFlow知识库的构建与配置

指导RAGFlow知识库的构建与配置过程，具体见references目录下的ragflow_config.md。

功能2：PDF文件的清洗与上传处理

在用户需要将PDF文件的解析为markdown文本、清洗后上传到RAGFlow知识库进行混合检索时，可以使用此功能。具体的工作流程为：

1. 询问用户的PDF文件的清洗需求：是直接解析整篇文档作为一个文件进行混合检索，还是需要长文档的分逐页割，按照逐页进行解析后检索。
2. 用户说明了解析清洗要求后，必须阅读见references目录下的pdf_process.md文件，根据用户的分割解析需求，使用合适的脚本进行处理。
3. PDF分割清洗后先确认分割后文件的绝对路径，以便后面进行处理。
4. 使用对应的脚本进行分割后PDF文件的解析，转化为对应的markdown文件。因为使用Mineru模型进行解析，速度较慢，因此都推荐使用后台模式进行解析。
5. 要求用户构建对应的目录文件，方便后面进行目录摘要的总结，具体目录文件的构建方法阅读references目录下的content_process.md文件。这一步通常需要要求用户来仔细核对，确定文件总结的具体参数。
6. 然后参考ragflow_config.md，上传到RAGFlow知识库，进行检索测试。

功能3：markdown文件的清洗与上传处理

如果是纯markdown文件格式长文档，有明确的页数对应，则可以参考功能2，直接跳过1-4，直接构建目录文件，然后进行上传和检索。