AI PDF Learning Assistant
视觉代号 · 知识穹顶
把长 PDF 的解析、总结和证据问答组织成一个学习入口。
RAG学习工具知识问答
项目定位、用户问题与产品目标
项目定位
基于 Streamlit、pypdf、LangChain 与 ChromaDB 的 PDF 学习助手，支持结构化总结和带来源片段的 RAG 问答。
目标用户与使用场景
需要快速理解文本型 PDF，并希望问答能够回到文档片段的学习者。
用户问题
长 PDF 阅读成本高，普通模型总结难以追溯来源，后续追问也容易离开文档内容。
为什么需要 AI
大模型可用于总结和回答，但必须结合文档检索结果，并对缺少证据的情况保持克制。
产品目标
降低长文档进入成本，同时保留回答与原文证据之间的联系。
我的职责
- 01
拆解 PDF 上传、解析、切分、检索与问答流程
- 02
设计结构化总结和来源片段呈现
- 03
处理文本缺失、检索不足和模型连接异常
- 04
完成本地 Streamlit 原型
产品方案与技术工作流
核心产品决策
用 pypdf 提取文本，经 LangChain 切分并写入 ChromaDB；产品侧把结构化总结、检索问答和来源片段组织成可回到原文核查的学习路径。
- 01上传文本型 PDF
- 02提取文档文本
- 03切分并向量化
- 04生成结构化总结
- 05输入问题
- 06检索相关片段
- 07生成回答并展示来源
Prompt、RAG 与 Agent 技术方案
- 总结与问答使用分开的提示与输出结构
- 检索结果作为回答上下文，并在页面中展示来源片段
- 本地向量库用于保存文档切片
- 没有有效文本或检索证据时提示限制
人工确认节点
确认 PDF 是否成功提取文本核对回答与来源片段对重要结论回看原文
测试方法与 Evaluation focus
以下内容是项目中记录或计划观察的评测维度，用于指导验证与迭代，不代表已经取得对应结果。
E01
文本提取完整性
E02
总结结构可用性
E03
检索相关性
E04
回答与来源一致性
E05
失败提示清晰度
失败案例、边界与风险
模型边界与风险
不宣称支持 OCR；回答不能替代原文核查；敏感文档应在合适环境中处理
失败类型
- 扫描件被当作空文档
- 回答引入片段之外的信息
- 来源片段相关但不能支撑结论
异常与边缘场景
- 扫描件无可提取文本
- 加密或损坏 PDF
- 检索片段与问题无关
- 模型 API 不可用
迭代记录
总结和问答如果没有来源展示，用户难以判断内容是否来自文档。
- 分析
- RAG 产品需要把证据片段放回用户的阅读路径。
- 改动
- 仓库整合文本解析、结构化总结、向量检索、问答和来源片段展示。
- 结果
- 当前公开仓库提供文本型 PDF 的本地可运行原型，不包含 OCR。
- 下一步
- 继续补充检索失败和引用一致性的测试样本。
产品思考与下一步
文档助手的关键不是替用户读完，而是帮助用户更快定位值得回到原文核查的内容。
- 扩展检索失败样本
- 检查回答与来源一致性
- 改善长文档处理提示
学习闭环
上传文档后，用户可以先看结构化总结，再围绕具体问题检索片段并生成回答。来源片段是回到原文核查的入口，不等于自动完成事实验证。
能力边界
当前仓库面向可提取文本的 PDF。扫描件、复杂表格和图片内容不在既有能力范围内；页面也不提供不存在的在线 Demo。
基于 Streamlit、pypdf、LangChain 与 ChromaDB 的 PDF 学习助手，支持结构化总结和带来源片段的 RAG 问答。
↗PROJECT GALLERY
界面与过程证据
真实项目截图尚未写入本地。页面先使用原创概念封面保持完整体验，待补充文件已记录在资源清单。