记一个大模型医学rag知识库应用案例实践

很多人想要结合RAG技术和大模型，打造自己的垂类AI助手，但是不知道怎么做？有一个基于MinerU工具的二开项目，是一个很典型的RAG技术在垂直场景应用的案例，大家可以参考它是怎么做的，动手也构建一个自己的AI助手

项目基于MinerU，二次构建了深度优化的文档解析引擎 Mineru-xyb，实现医疗文档的多模态解析与知识萃取，形成标准化知识库；然后依托多种大模型，结合混合RAG框架（集成检索增强、医疗专用插件及API网关）实现知识库的高效检索、智能推理，最终构建跨平台服务矩阵，支持等多样化终端接入，为胰腺癌疾病诊疗提供便捷的知识服务。

文档解析引擎 Mineru-xyb，打破RAG中医疗相关文档的"次元壁"

在知识库文件准备环节，作者总结了3个主要痛点：

⚠️ 传统解析方法让30%关键数据流失

⚠️ PDF文档的图片/公式成"信息黑洞"  

⚠️ 单文档转化效率太低

在对比多个工具后，他们选择 MinerU 文档提取工具用于知识库文件准备，并在文档解析引擎构建中，提出3个关键要点：

1. 提升文档处理效率：解决传统 RAG 工具在处理 PDF 等格式文档时的信息损耗问题，努力保持保留文档中的图片、公式等关键信息的完整性；

2. 降低部署成本：适配云端免费服务资源（腾讯Cloudstudio/魔搭社区等），一键部署，低成本转化；

3. 提供企业级存储方案：结合 Sealos 和 Minio，支持 S3 配置，确保图片链接的长期可用；

最后，他们打造了这样一个文档解析引擎：

1. 智能解析层

• 支持多种知识库文档格式，高质量转换为markdown格式

• 完整保留表格/分子式/关键示例图片/指南图片

2. 云端架构

• 基于Sealos+Minio的弹性架构

• 高质量连续批量处理混排文档

3. 评估体系

• 首推RAGAS医疗专项测评

• AI自评估准确率校准系统

目前他们已将自己优化后的文档解析引擎 Mineru-xyb做了开源，需要的朋友可以自取，GitHub地址：https://github.com/PancrePal-xiaoyibao/MinerU-xyb

更多MinerU二开成果，点击链接提交：https://aicarrier.feishu.cn/share/base/form/shrcneaKr8tecz3agwNa90Xqh0g