在今天這個資訊豐富的世界中，從組織內部挖掘最有價值的知識仍然是一個挑戰。這些知識往往隱藏在產品目錄的圖片中、分散在多頁的財務報告表格裡，或是分佈在密集的研究論文中的圖表之間。標準的資料擷取工具或基本的 RAG 流程只能幫助到你有限的程度，常常會忽略對你的業務至關重要的細節和背景。

如果你可以為每一種文件類型提供一組特定的指示，那會怎樣？如果你可以告訴它不僅是 要 提取什麼，而是 要 如何解釋和結構化這些資料，那會怎樣？如果你可以微調你的 RAG 提取和索引資料的方式呢？

這正是你可以利用我們的新功能 Nuclia 的 Extract Strategies 來達成的目標。這項功能讓你能夠精細控制，建立可重複使用的、以 AI 為驅動的規則集，將你的非結構化文件轉換為乾淨、可搜尋且適合分析的資料。

讓我們來探討三個您今天可以運用這項功能的強大方式。

1. 將產品目錄轉變為銷售助理

挑戰：你有一本100頁的產品PDF目錄——在這個案例中，是高端電吉他。雖然視覺上非常吸引人，但這些圖像對你的搜尋系統來說是無法理解的。你的銷售團隊無法搜尋「具有玫瑰木指板的復古風格吉他」，也找不到正確的頁面，因為這些資訊只能用視覺來表達。

在這個情況下，傳統的圖片描述已經不夠用了，因為我們需要更客製化的內容，我們需要一位專家。

策略：我們將使用 視覺擷取 來讓視覺模型分析並描述我們目錄中的每一頁，就好像它是一位吉他專家一樣..

執行步驟： 在Nuclia儀表板中，進入 AI Models > Extraction，您可以建立一個新的策略。設定十分簡單：

{
  "name": "專業吉他賣家描述",
  "vllm_config":{
"llm": {
    "generative_model": "chatgpt-azure-4o"
  },
  "rules": [
    "對於每一張吉他圖片，請像專業吉他賣家一樣為顧客描述它。提到琴身形狀、表面處理、顏色、木材類型（如果可見的話）、拾音器配置及整體美感（例如：復古、現代、磨損風格）。”
  ]
}}

超強結果：當你依據這個策略處理你的商品目錄時，每一張吉他的圖片都會附上詳細的專業描述。那張Gibson Les Paul的照片不再只是單純的吉他，它同時也變成了可搜尋的文本，像是：

“這張圖片顯示了一把Gibson Les Paul風格的電吉他，擁有美麗的香煙漸層日落色調。這把吉他採用單切角的實心琴身設計，面板是耀眼的火焰楓木，中央展現出豐富的琥珀色調，逐漸暗沉至深棕色的邊緣。它具備經典的雙音圈拾音器配置，搭配奶油色的拾音器罩，以及四個用於音量和音色調整的控制旋鈕。這把吉他配備了金色五線橋和停止棒音尾配件。琴頸上有綁邊的烏木或玫瑰木指板，並有獨特的梯形檔位標記，似乎採用的是肩接設計。琴頭上顯示著“Gibson”字樣的標誌，並且配有金色調音鈕。這件樂器代表了經典、高檔的美學，使得這種風格的吉他在搖滾、藍調和爵士樂中成為數十年的主流。”

你的內部搜尋現在是一個強大的銷售工具。

2. 利用 AI 表格征服複雜的財務報告

挑戰： 你需要分析來自十幾個競爭者的季度表現數據。這些數據儲存在他們的10-K文件中，且表格跨越多個頁面，負數用括號表示，還有複雜的多層標頭。手動複製貼上這些數據到電子試算表，簡直就是一場災難。而標準的檔案處理方式也無法完全應對這種情況。

策略：我們將使用 AI Tables，這是專門設計用來理解和重建複雜表格數據的工具。我們會指示它動態合併頁面並即時清理數據。

執行方式：這個策略著重於檢測表格並應用規則以標準化它們。這裡的 merge_pages 參數是關鍵。

{"name": "年度報告表格整合",
  "ai_tables": {
    "llm": {
      "generative_model": "gcp-claude-3-7-sonnet"
    },
    "merge_pages": true,
    "max_pages_to_merge": 2,
    "rules": [
      "將所有列整合成一個連貫的表格。",
      "若金額用括號包住，則轉換為負數（例如，'(1,234)' 變成 -1234）。",
      "確保所有數字以百萬為單位表示。"
    ]
  }
}

超強結果：

這個人工智慧能夠偵測表格，並在頁面斷點處追蹤它，自動合併。它正確詮釋負數的會計表示法，並標準化數字。最終結果是一個單一的、乾淨且結構完善的 Markdown 表格，我們可以用 RAG 來查詢。

3. 以綜合策略解碼科學研究

挑戰：你的研發團隊需要隨時掌握最新的突破，如同在論文 “Reinforcement Pre-Training” 中的研究。這篇論文包含三種不同形式的相關資訊：主要文字內容、圖表和滿載績效分數的表格。

策略：你不需要選擇。單一策略可以結合 視覺提取 用於圖表以及 AI 表格 用於表格結果，創造出一個全面且可搜尋的擴展版本的論文。AI 表格透過識別和提取所有表格，以 markdown 格式增強文檔處理。這樣能提高可搜尋性，並使數據更適合用於 RAG 環境。

實作：我們在同一策略中定義了Visual Extraction和ai_tables的配置。“`html

{
  "name": "AI 研究論文分析",
"vllm_config":{
  "llm": {
    "generative_model": "gcp-claude-3-7-sonnet",
    "rules": [
      "分析所有圖表與圖片，並對每一個進行詳盡的分析"
    ]
  }},
  "ai_tables": {
    "llm": {
      "generative_model": "gcp-claude-3-7-sonnet"
    },
    "rules": []
  }
}

超強結果：您處理過的文件現在是一個資訊的強大來源。研究人員可以：

• 搜尋概念：「強化預訓練是什麼？」並獲得答案及相應的段落，就像在RAG中一樣。
• 詢問圖表：搜尋「圖4」，並獲得詳細解釋及其來源，這得益於視覺模型的豐富描述。
• 詢問表格中的數據：詢問表格中存在的數據及結果。

解鎖你的數據，隨你所需

這只是 Nuclia 的 RAG Extract Strategies 如何讓你掌握主導權的三個範例。透過創建自訂的可重用規則集，你終於可以釋放文件的全部價值，無論它們多麼複雜。

準備好建立你的第一個策略了嗎？請登入 Nuclia 儀表板，或深入了解我們的文件以獲得更多資訊。

文章來源: 3 Ways to Supercharge Your Document Processing with New Extract Strategies