2. V2EX
  3. 豆包的文件解析是怎么做的, 我想仿照做一个

豆包的文件解析是怎么做的, 我想仿照做一个

mythjava 2026-07-14 08:37 1

原始需求是公司员工不想读招标文件, 只想摘要出其中最关键的信息, 比如商品/数量/规整等等


我自己用 rag 做了一下, 感觉和豆包的解析效果差远了, 我还做了很对针对性的调整


豆包应该是一个通用的方式, 是用什么方式实现的呢, 我先要抄一下本地部署

最新回复 (21)
  • yongyuanfan2 07-14 08:44
    1楼
    写个文件解析的 MCP 服务，然后把文件内容读取出来塞给大模型总结，这样应该可以吧
  • mythjava 楼主 07-14 08:59
    2楼
    @yongyuanfan2 把所有内容都给大模型的话 上下文不够, 只给部分的话, 不知道如何挑选哪部分
  • skuuhui 07-14 09:20
    3楼
    nothing is all 。把 ls find rg (ripgrep) grep cat/sed 工具开放给它。
  • YanSeven 07-14 09:32
    4楼
    我比较好奇的是，豆包能不能做到百分百正确
  • since2021 07-14 09:35
    5楼
    为什么不用腾讯的 ima copilot
  • peteretep 07-14 09:38
    6楼
    一边读，一般压缩啊
  • peteretep 07-14 09:38
    7楼
    一边读，一边压缩啊
  • Yishanshan 07-14 09:46
    8楼
    我看了 workbuddy 的实现，我们有个合同（ 600kb ）要解析并做要素提取，他好像是直接使用 python 的 pdf 工具直接分页读大概，然后让 LLM 判断如何查找的
  • Yishanshan 07-14 09:46
    9楼
    @Yishanshan 我自己按照这个思路试了一下，的确很快很准确
  • Mithril 07-14 09:57
    10楼
    比较新的模型上下文都很大，一般都够用了。

    实在不行你也可以分页扔过去总结压缩，然后拼一起做汇总。
  • haah 07-14 10:25
    11楼
    问 chatgpt!
  • haah 07-14 10:25
    12楼
    直接问豆包!
  • imkuang 07-14 11:39
    13楼
    把文件和用来查找文件的工具（ grep 、sed 、find 之类的）给它让它自己找就行，ai 会自己分析了解文件结构、按关键字搜索，不用把文件一次性全部贴到上下文里
  • Maboroshii 07-14 12:04
    14楼
    直接接入现成的 agent sdk 就行
  • artiga033 07-14 12:06
    15楼
    @mythjava 1M 上下文不够？那你这文件人类想读完也难吧
  • IlIl 07-14 12:09
    16楼
    封装一个直接去调用豆包
  • watzds 07-14 13:08
    17楼
    我估计最大的优化点是不用 RAG
  • mythjava 楼主 07-14 13:34
    18楼
    @artiga033 确实是这样的, 一份文件人读下来可能要好几天, 一边读一遍做笔记这样的
  • mythjava 楼主 07-14 13:34
    19楼
    @watzds 我尝试一下
  • mythjava 楼主 07-14 13:35
    20楼
    @IlIl 我去看一下豆包有这样的收费接口吗
  • listenerri 07-14 16:03
    21楼
    分段交给子代理
* 帖子来源V2EX
附近帖子
返回
飞读
随机推荐