多模态 RAG 里，OCR 如何利用整页文档上下文
MediocreAd3005 · reddit · 2026-07-22
作者在做一个多模态 RAG 管线：先用 Mistral OCR 给图片做标注，再把标注结果和文档文本一起进向量库。
他遇到的问题是：OCR 现在是把图片单独处理，所以生成的注释缺少整份文档的上下文，信息不够完整。作者因此在求两类建议：
- 有没有适合“机器对机器”图片描述模型的提示词指南，能把上下文注入进去；
- 有没有更适合的模型或工作流，能天然考虑周围文档上下文。
这条本质上是在问：怎么让 OCR + 多模态 RAG 更懂上下文。
「应用」频道最新
- 独立维修师傅想用 AI 接电话，但怕乱报价和超区派单 — ccchhannn · 2026-07-22
- OpenAI 推出企业版 Presence，部署语音与聊天智能体 — OpenAI · 2026-07-22
- Michaels 称 Gemini 购物助手几周内处理了 7.5 万次对话 — gaganghotra_ · 2026-07-22
- 陶哲轩用 ChatGPT 拆解 Jacobian 猜想反例 — tdhopper · 2026-07-22
- OpenAI Codex Micro 收到上手评测，售价 230 美元加税 — Dimillian · 2026-07-22
- 开发者做出 The Daily Diff AI 工程资讯站 — arpit_bhayani · 2026-07-22