知识分享

RAG 系列（二十三）：多模态 RAG——图片、表格也能检索

RAG 系列第二十三篇。真实文档里 30%–50% 的信息藏在图片和表格里，文本 RAG 完全看不到。三条处理路线：OCR/解析提取后文本化（最成熟）、CLIP 多模态 Embedding（图文同一向量空间）、ColPali 直接把 PDF 页面当图像处理（2024 年最新方法，绕开文本提取）。每条路线各自的适用场景和局限。