MM RAG — 多模态检索增强生成

事实

能检索图片、表格、音频等资料再生成回答的 RAG。

人话

别人找资料只会翻文字，它更像望闻问切的老中医：截图、表格、录音都能搭脉，找料不靠一双眼睛死磕。

适合合同、报告、监控这类图文音混杂的问答，信息更全，但很吃检索质量。

相关概念

• 检索增强生成
• 多模态
• 向量搜索
• 文档解析

RAG
它是 RAG 的升级版，把外部资料扩到图文音视频。

Multimodal AI
多模态能力让它不只看文字，也能理解图片音频。

Vector search
它常靠向量搜索，从混合资料里找相关内容。

Document parsing
复杂文档先被解析整理，它后面的检索才更靠谱。