一、关于LangChat Pro

LangChat Pro是基于Java生态构建的企业级AIGC应用开发平台商业版，为企业提供完整的AI大模型集成解决方案。基于Spring Boot 3和Vue 3构建，支持快速构建智能知识库、多模态AI应用和智能工作流，助力企业实现AI驱动的数字化转型。

workflows

什么是MinerU？

MinerU是一个强大的PDF文档解析工具，能够将PDF文件转换为结构化的Markdown和JSON格式。它具备高精度的文本、表格和公式识别能力，特别适合处理包含复杂排版的学术论文、技术文档和法律文件等。

image-20251126151059321

MinerU的核心优势包括：

• 高精度的OCR识别能力
• 出色的表格和公式识别
• 支持多种语言的文档处理
• 保留原文档的结构和格式信息

什么是PaddleOCR

PaddleOCR Banner

PaddleOCR 3.x 核心特色能力：

PaddleOCR-VL - 通过 0.9B 超紧凑视觉语言模型增强多语种文档解析 面向文档解析的 SOTA 且资源高效的模型, 支持 109 种语言，在复杂元素（如文本、表格、公式和图表）识别方面表现出色，同时资源消耗极低。

PP-OCRv5 — 全场景文字识别 单模型支持五种文字类型（简中、繁中、英文、日文及拼音），精度提升13个百分点。解决多语言混合文档的识别难题。

PP-StructureV3 — 复杂文档解析 将复杂PDF和文档图像智能转换为保留原始结构的Markdown文件和JSON文件，在公开评测中领先众多商业方案。完美保持文档版式和层次结构。

PP-ChatOCRv4 — 智能信息抽取 原生集成ERNIE 4.5，从海量文档中精准提取关键信息，精度较上一代提升15个百分点。让文档"听懂"您的问题并给出准确答案。

什么是Gotenberg？

image-20251126151608990

Gotenberg是一个开源的文档转换工具，可以将各种格式的文档转换为PDF格式。它提供了多种转换方式，如将Markdown转换为PDF，将Word转换为PDF，将Excel转换为PDF等等。

二、LangChat Pro中的MinerU集成

LangChat Pro作为一个企业级AIGC应用开发平台，深度集成了MinerU服务，为用户提供高质量的文档解析能力。通过专门的MinerU服务模块，LangChat Pro能够：

1. 灵活配置：支持配置MinerU服务的基础URL、请求超时时间、连接超时时间等参数，适应不同的部署环境。
2. 健康检查：内置健康检查机制，定期检测MinerU服务的可用性，确保系统稳定性。
3. 工作流集成：在LangChat Pro的工作流引擎中，提供了专门的MinerU节点，用户可以通过可视化界面轻松调用MinerU的PDF解析功能。
4. 批量处理：支持批量PDF解析请求，提高处理效率。
5. 异步处理：通过线程池机制实现异步处理，避免阻塞主线程。

在LangChat Pro中配置MinerU服务非常简单，只需在配置文件中指定服务地址即可：

langchat:
mineru:
base-url: http://localhost:8888
timeout: 300

通过这种集成方式，LangChat Pro用户可以充分发挥MinerU在PDF解析方面的优势，为后续的文档处理和知识库构建提供高质量的结构化数据。

LangChat RAG实践

iShot_2025-11-26_14.36.57

使用MinerU解析模式

iShot_2025-11-26_14.37.10

查看分段效果

iShot_2025-11-26_14.37.49

查看高精度PDF

iShot_2025-11-26_14.37.32

三、MinerU vs RapidDoc：为什么选择RapidDoc？

虽然MinerU功能强大，但在商业应用中存在一些限制。MinerU基于AGPL协议，其引用的YOLO模型不允许商业化使用，这给企业用户带来了困扰。

为了解决这个问题，LangChat Pro推荐使用RapidDoc作为替代方案。RapidDoc具有以下商业化优势：

1. 许可证友好：RapidDoc基于MinerU二次开发，但移除了AGPL许可的YOLO模型，替换为PaddleOCR的PP-StructureV3系列ONNX模型，完全兼容Apache 2.0许可证，可以放心用于商业项目。
2. API兼容：RapidDoc与MinerU保持相同的API接口，包括新增的/health健康检查接口，使得在两者之间切换变得非常容易。
3. 性能优化：专注于Pipeline产线下的高效文档解析，在CPU上也能保持不错的解析速度。
4. 模型优化：使用ONNX格式的核心模型，支持在CPU/GPU上高效推理。

在LangChat Pro中，用户可以根据自己的需求选择MinerU或RapidDoc，两种方案都能得到良好的支持。对于注重商业化友好性的企业用户，RapidDoc无疑是更好的选择。

四、LangChat Markdown智能分段器

文档解析只是第一步，如何将解析后的文档进行合理的分段，以便更好地服务于后续的向量化解析和检索，同样至关重要。LangChat Pro为此专门开发了Markdown智能分段器（MarkdownSectionSplitter）。

设计理念

MarkdownSectionSplitter的核心设计原则是：语义完整性优先于字符数限制。这意味着在分段过程中，宁可不重叠或略微超过最大字符数，也要保证句子段落的完整性。

核心特性

1. 智能软限制：分段器采用软限制而非硬性截断，能够保持表格、代码块等原子内容的完整性，同时在段落边界进行分块。
2. 智能重叠策略：重叠只在合适的边界进行，避免破坏文档结构。优先在段落边界截取重叠内容，如果上一个chunk以表格或代码块结尾，则不添加重叠。
3. 原子块保护：表格、代码块、链接和图片等作为原子单元，绝不会被拆分，确保内容的完整性。
4. 标题驱动分块：按标题层级自然分块，保持文档结构，同时通过最小大小保护机制避免过短的分段。

技术实现

MarkdownSectionSplitter使用commonmark-java解析Markdown为AST（抽象语法树），确保准确识别文档结构和正确处理嵌套元素。通过自定义的节点渲染逻辑和上下文管理，实现了对各种Markdown元素的精确处理。

在LangChat Pro中，MarkdownSectionSplitter与MinerU/RapidDoc解析流程无缝衔接，形成了完整的文档处理解决方案：

1. Gotenberg服务将Office文档转换为高精度PDF
2. MinerU/RapidDoc将PDF解析为Markdown格式
3. MarkdownSectionSplitter对解析结果进行智能分段
4. 分段后的内容用于向量化解析和知识库构建

五、总结

LangChat Pro在文档处理方面提供了一套完整且商业友好的解决方案：

• 多样化的解析选择：支持MinerU和RapidDoc两种PDF解析工具，满足不同用户的需求
• 商业许可证友好：推荐使用RapidDoc，完全避免了AGPL协议的限制
• 高质量分段：自主研发的Markdown智能分段器，确保语义完整性
• 无缝集成：与LangChat Pro的其他功能模块无缝衔接，提供一体化的AIGC应用开发体验

通过这套解决方案，企业用户可以构建高质量的知识库，为大语言模型提供精准的上下文信息，从而提升AI应用的效果。无论是处理技术文档、法律合同还是学术论文，LangChat Pro都能提供卓越的文档处理能力。

六、关于LangChat Pro

LangChat Pro是基于Java生态构建的企业级AIGC应用开发平台商业版，为企业提供完整的AI大模型集成解决方案。基于Spring Boot 3和Vue 3构建，支持快速构建智能知识库、多模态AI应用和智能工作流，助力企业实现AI驱动的数字化转型。

核心功能：

• 🤖 Agent智能体应用：快速构建各类AI智能应用
• 🔄 Workflows工作流引擎：可视化编排复杂业务流程
• 📚 智能知识库：基于RAG的企业知识管理
• 🗄️ Text2SQL：自然语言查询数据库(商业版功能)
• 📊 模型消耗监控：精细化AI成本管理(商业版功能)
• 🎨 多模态AI能力：文生图、OCR、语音识别等
• 🔌 开放集成：MCP服务、自定义插件、第三方平台

技术优势：

• ✅ 纯Java技术栈，与企业现有系统无缝集成
• ✅ 支持国内外主流大模型接入
• ✅ 企业级权限管理和安全保障
• ✅ 完善的技术支持和服务

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】