搜索[API选型]结果-低调大师优秀个人博客

SpringBoot2更换Tomcat为Jetty，小型站点的福音

Jetty是使用Java语言编写的，它的API以一组JAR包的形式发布。

2025-09-05

SpringBoot2初体验，简单认识spring boot2并且搭建基础工程

Spring Boot 1.x 到 2.x 中间更新了很多 API 以及依赖组件。

2025-09-05

如何选型一个合适的框架-分布式任务调度框架选型

调度中心提供触发任务单次执行的API服务，可根据业务事件灵活触发。

2019-07-16

Agent Memory产品推荐与选型

TencentDB Agent Memory 记忆管理底座，主要为 AI 应用提供短期记忆与长期记忆两层支撑：短期记忆负责单次会话内的上下文管理，长期记忆负责跨会话沉淀用户偏好、事实与经验，让 AI 从"每次重来"变为"越用越懂你"。

2026-08-31

开源情报系统的选型

在商业决策场景中，开源情报（OSINT）系统的核心任务是将分散的公开信息转化为可验证、可追溯、可行动的判断。与通用搜索引擎不同，OSINT系统需要同时满足三类约束：

2026-08-27

编者按：当你需要为 RAG 系统选择文档解析工具时，面对 GitHub 上数百个开源项目和各种商业解决方案，你是否感到无从下手？本文基于作者在实际项目中的工具使用经验，系统梳理了处理不同类型文档的工具选择。从知识图谱处理的 GRAG、KG-RAG、GNN-RAG 等工具，到表格解析的 TableRAG、TA。从 HTML 处理的 BeautifulSoup、HtmlRAG，到 PDF 解析的 MinerU、GPTPDF、Marker，再到多模态处理的 CLIP、Wav2Vec 2.0 等。期待本文能够帮助你快速找到最适合自己项目需求的技术方案。作者 | Florian June 编译 | 岳扬对于 RAG 系统而言，从文档中提取信息是一个不可避免的情况。最终系统输出的质量很大程度上取决于从源内容中提取信息的效果。过去，我曾从不同角度探讨过文档解析问题[1]。本文结合近期一篇 RAG 调查报告[2]的发现与我之前的部分研究，对 RAG 系统如何解析和整合结构化、半结构化、非结构化和多模态知识进行了简明概括。 Figure 1: RAG 系统整合的多种知识类型，涵盖结构化、半结构化、非结构化和多模态知识。[Source[2]] 01 结构化知识：数据按规则组织的范式 1.1 知识图谱：易于查询，便于使用，难以集成知识图谱以一种清晰、互联的方式描述实体及其关系，使其成为机器系统的图谱遍历与查询的理想选择。 RAG 系统非常喜欢这样的结构化数据源 ------ 它们精确且语义丰富。但真正的挑战不在于查找数据，而在于如何有效地利用它。如何从海量知识图谱中提取有意义的子图？如何将结构化的图谱数据与自然语言对齐？随着图谱规模的增长，系统是否仍能保持高效？一些有前景的解决方案正逐步解决这些问题： GRAG 从多个文档中检索子图，来生成更聚焦的输入。 KG-RAG 采用探索链算法（Chain of Explorations，CoE）来优化基于知识图谱的问答性能。 GNN-RAG 采用图神经网络（GNN）检索和处理来自知识图谱（KG）的信息，在数据输入大语言模型（LLM）之前先进行一轮推理。 SURGE 框架利用知识图谱生成更具相关性和知识感知（knowledge-aware）的对话，从而提升交互质量。在特定领域，诸如 SMART-SLIC 、KARE 、ToG2.0 和 KAG[3] 等工具已充分证明，知识图谱作为外部知识源可以发挥多么强大的作用，可帮助 RAG 系统同时提升准确性和效率。 1.2 表格：结构紧凑、数据密集且解析困难表格也是一种结构化数据 ------ 但它们与知识图谱截然不同。几行几列就可能蕴含着大量信息。但如何让机器理解这些信息？那完全是另一回事了。表格中未明示的逻辑关系、格式不一致、专业领域内特有的知识...表格数据常游走于秩序与混沌之间。幸运的是，已有专门处理此类复杂情况的工具： TableRAG[4] 结合查询扩展（query expansion）、表结构与单元格检索（schema and cell retrieval），在将信息传递给语言模型前精准识别关键内容。 TAG 和 Extreme-RAG 则更进一步整合了 Text-to-SQL 能力，使语言模型能够直接"操作数据库"。核心结论？若能有效解析表格，它们就是价值极高的信息源。 02 半结构化数据：HTML、JSON 以及网络数据的杂乱中间态半结构化数据就像数据世界的"家中老二（middle child）" ------ 既非完全结构化，也不完全是非结构化的。它比知识图谱更灵活，却比原始 PDF 文档更有条理。典型代表如 HTML 页面、JSON 文件、XML、电子邮件等格式，它们虽具备一定的结构特性，却常表现出结构规范不一致或结构要素不完备的特征。尤其是 HTML，它无处不在，而每个网站都有其独特性。虽然存在 tags、attributes、elements（译者注：DOM 核心构件）等结构化成分，但仍混杂着大量非结构化文本与图像。为了有效解析 HTML，业界已开发出一系列工具和开源库，可将 HTML 内容转化为文档对象模型（DOM）树等结构化格式。值得关注的流行库包括：BeautifulSoup、htmlparser2、html5ever、MyHTML 以及 Fast HTML Parser。此外，HtmlRAG[5] 等 RAG 框架在 RAG 系统中利用 HTML 格式替代纯文本，从而保留了语义与结构信息。若希望 RAG 系统真正理解网页数据而非依靠胡编乱造 ------ HTML 解析便是这一切的起点。 03 非结构化知识：PDF、纯文本（既杂乱又有内在逻辑）接下来叙述的内容才是真正的挑战。非结构化数据（自由格式的文本、PDF 文档、扫描报告）无处不在。尤其是 PDF 文档，简直就是噩梦：不一致的布局、嵌入内部的图像、复杂的格式。但在学术、法律和金融等领域它们不可或缺。那么，我们该如何让它们符合 RAG 系统的要求呢？我们可以使用更智能的 OCR 技术、版面分析技术和视觉内容 - 语言融合技术： Levenshtein OCR 和 GTR 结合视觉和语言线索来提高识别准确率。 OmniParser 和 Doc-GCN 专注于保留文档的结构。 ABINet 采用双向处理机制提升 OCR 系统的表现。与此同时，一大波开源工具的出现使得将 PDF 转换为 Markdown（一种对 LLM 更友好的格式）的过程变得更加容易。有哪些工具？我基本都已经介绍过了！ GPTPDF[6] 利用视觉模型解析表格、公式等复杂版面结构，并快速转换为 Markdown 格式 ------ 该工具运行高效且成本低廉，适合大规模部署。 Marker[7] 专注于清除噪声元素，同时还保留原始格式，因而成为处理研究论文和实验报告的首选工具。 PDF-Extract-Kit（MinerU 采用的 PDF-Extract-Kit 模型库[8]）支持高质量内容提取，包括公式识别与版面检测。 Zerox OCR[9] 对每页文档进行快照处理，通过 GPT 模型生成 Markdown，从而高效管理复杂文档结构。 MinerU[10] 是一种综合解决方案，可保留标题/表格等原始文档结构，并支持受损 PDF 的 OCR 处理。 MarkItDown[11] 是一种多功能转换工具，支持将 PDF、媒体文件、网页数据和归档文件转为 Markdown。 04 多模态知识：图像、音频与视频数据一同入场传统 RAG 系统专为文本数据而设计，因此在处理图像、音频或视频等多模态信息时往往力不从心。这就导致其回应常显得肤浅或不完整 ------ 尤其当核心信息蕴含于非文本内容中时。为应对这些挑战，多模态 RAG 系统引入了整合和检索不同模态的基本方法。其核心思想是将文本、图像、音频、视频等模态对齐到共享嵌入空间（shared embedding space），实现统一处理和检索。例如： CLIP 在共享嵌入空间中对齐视觉与语言模态。 Wav2Vec 2.0 和 CLAP 专注于建立音频与文本的关联。在视频领域，ViViT 等模型专为捕捉时空特征而设计。这些技术都是基础模块。随着系统的不断演进迭代，我们将看到能够一次性从文档、幻灯片及语音内容中提取洞见的 RAG 应用。 05 结语在实践中，我发现 MinerU 是解析 PDF 的最佳开源工具。当然，若你想自建文档解析器，自然需处理诸多复杂细节。但这样做的回报是值得的：更自主的源代码控制、更强的文档安全性，以及更可靠的结果。后续若有契机，我将分享更多工程实践洞见。我们正在超越纯文本语言模型的时代。倘若能教会机器理解人类传递知识的各种格式，或许它们也能协助我们更透彻地理解这个世界。 END 本期互动内容 🍻 ❓未来 3 年，你认为文档解析技术会出现什么颠覆性突破？比如：LLM 原生解析 PDF？欢迎天马行空！文中链接 [1]https://aiexpjourney.substack.com/t/pdf-parsing-and-document-intelligence [2]https://arxiv.org/pdf/2503.10677v2 [3]https://aiexpjourney.substack.com/p/ai-innovations-and-insights-23-kag [4]https://aiexpjourney.substack.com/p/ai-innovations-and-trends-09-cursor [5]https://aiexpjourney.substack.com/p/ai-innovations-and-insights-20-htmlrag [6]https://aiexpjourney.substack.com/p/ai-innovations-and-trends-05-itext2kg [7]https://aiexpjourney.substack.com/p/demystifying-pdf-parsing-02-pipeline [8]https://github.com/opendatalab/PDF-Extract-Kit [9]https://aiexpjourney.substack.com/p/ai-innovations-and-trends-10-lazygraphrag [10]https://aiexpjourney.substack.com/p/ai-innovations-and-insights-29-edgerag [11]https://aiexpjourney.substack.com/p/ai-innovations-and-insights-20-htmlrag 原文链接： https://aiexpjourney.substack.com/p/when-rag-meets-document-parsing-a

2025-08-22

大模型选型攻略，限免！

，如何进行科学的选型也成为了企业面临的一个重要问题。

2025-02-25

聊聊 GPU 产品选型那些事

GPU参数解读我们结合下面这个表格，来看看 GPU 选型时需要关注哪些参数。计算能力计算能力是 GPU 进行并行计算的指标之一，也是 GPU 的核心能力。

2023-11-09

服务发现技术选型那点事儿

不过相对于 2016 年，现在我们最少有十多种的方式能实现服务发现，这的确是个好时机来进行回顾和展望，最终帮助我们进行技术选型与确定演进方向。

2020-10-09

MySQL高可用方案选型参考

本次专题是MySQL高可用方案选型，这个专题想必有很多同学感兴趣。高可用的意义以及各种不同高可用等级相应的停机时间我就不必多说了，直接进入主题。

2017-08-01

架构选型之Nodejs与Java

与其他项目组的同事聊项目选型Java时被他们嘲笑了一把，怎么这么不与时俱进怎么还在用Java。而且发现，越来越多的前端同事通过Nodejs轻松上手后端功能开发，作为后端开发工程师倍感压力。

2017-07-12

Api Testing Observability Api Mock 实用指南

# Api Testing Observability Api Mock 实用指南 > 导读：本文整理自开源社区 Agent Skills 合集的中文翻译版本，围绕 You are an API mocking

2026-08-26

elasticsearch的restful API和Java API

本人现在使用的是elasticsearch 5.2.1的,服务器IP为192.168.5.182.所以在Java API和jar包中会有所不同.

2018-08-29

API管理的正确姿势--API Gateway

采用微服务后，所有的服务都变成了一个个细小的API，那么这些服务API该怎么正确的管理？API认证授权如何实现？如何实现服务的负载均衡，熔断，灰度发布，限流流控？如何合理的治理这些API服务尤其重要。

2018-05-28

arcgis api for javascript api下载及部署

https://blog.csdn.net/gisdoer/article/details/79722643 开发API下载文章地址：http://www.giserdqy.com/gis/arcgis

2018-03-27

通过API网关使API服务变现

API可谓扮演了“技术胶水”的角色，能帮助企业内外进行不同业务逻辑和不同数据的连接和整合，API市场正逐步形成一个新的生态系统，对于调用者来说，能快速整合不同服务到自己的产品中，快速丰富产品功能；对提供者而言

2016-12-04

技术选型参考：从IPinfo出发，聊聊IP情报服务的替代方案与选型逻辑

IPinfo凭借其简便的API和相对丰富的字段，成为了许多开发者的入门选择。

2026-09-09

AgentScope第1式·识势选型

我是老李，做 Java 后端十几年，最近两年大半时间在做 AI 应用的落地。我见过太多项目死在同一个地方：Demo 阶段人人叫好，进生产阶段没人敢碰。

2026-09-24

电商图片翻译的显卡选型

聊电商图片翻译的显卡选型，网上那些教程看着都挺唬人的，什么“显存带宽”“CUDA核心数”……其实没那么玄乎，我直接跟你说人话。

2026-09-10

2026 多模态架构选型全景指南

2026 年 2 月，Qwen 团队做了一个当时没引起足够注意的决定：视觉能力并入主线，-VL 系列停止迭代。此后发布的 Qwen3.5、3.6、3.8 全部是 image-text-to-text 的统一模型。官方模型卡里那句话说得非常直白——"统一视觉-语言基础模型，多模态 token 早期融合训练，跨代达到与 Qwen3 纯文本对齐的水平，且在推理/编码/Agent/视觉理解基准上超过 Qwen3-VL"。

2026-09-04

门铃音乐芯片硬件选型技术参考

本文仅从硬件原理、电路设计层面梳理标准化选型逻辑与实现方案。

2026-08-06

消息队列选型之 Kafka vs RabbitMQ

对此本文将在接下来的内容中以 Kafka 和 RabbitMQ 为例分享消息队列选型的一些经验。

2024-03-29

精选列表