1、向量化的问题，中文的话，使用尽量使用国内的嵌入模型，国外的虽然支持中文，但是还是比不上国内专门针对中文的优化
本地使用ollama 搭建的话 ，我使用的是 quentinz/bge-large-zh-v1.5:latest
2、不规则的pdf文件，无法使用pdf插件读取内容问题，我是php 使用 smalot/pdfparser 包的
遇到不规则pdf文件时 使用 Imagick 将pdf 文件 转为图片，再使用多模态模型，读取图片内容
多模态模型使用的是ollama里面的 qwen2.5vl:7b，识别率非常高
3、文件的内容主题不突出问题，比如有一份文件叫QQ飞车攻略，但是内容全篇都没有QQ飞车 攻略 这几个字，当用户提问 QQ飞车有什么攻略，向量化搜索完全匹配不上
我是先将整个文件内容 包括文件标题 扔给大模型 让大模型大概总结一下 文本内容，然后作为一个文件块进行向量化 保存
4、搜索结果 权重排序不理想问题，往往不相关的文件排在前面
将搜索返回的内容，扔给大模型，让大模型针对问题 和 内容进行 打分排序，分数低的可以过滤排除掉
5、用户上下文提问关联问题
让大模型根据用户的历史提问，生成一个完整的新的问题，比如用户第一次提问 介绍一下xxx系统，第二次提问 重点介绍一下财务功能模块
那么让大模型重写后的提问就变成了，重点介绍一下xxx系统的财务功能模块，这样这个问题就能命中xxx系统的文件块
6、计算类的问题，这个完全无解
比如用户把很多excel文件都上传知识库，但是每个excel里面的数据，结构都不同，此时用户提问 今年公司的订单数有多少
这个完全无解啊，哦尼酱