01 / RETRIEVAL STRATEGYRAG 不只是召回：
DRAFTING
RAG 不只是召回：
用路由器重新设计检索策略
如何先识别问题类型，再选择不同 Retrieval Strategy，而不是让所有问题走同一套 RAG Pipeline。
RAGRouterRetrieval Strategy
FIG. 01 / ROUTING
QUESTION
确定数字原文证据跨期研究
01 / CURRENT PRACTICEITERATING
授信报告生成器
围绕授信研究和报告生成，逐步构建可追溯、可审核的生成流程。
01材料
02研究
03成文
04核查
当前关注：来源、事实与报告句子之间的可回查关系。
THREE ENTRANCES
从这里进入
AI产品实践
项目、尝试、失败、重构，以及一个想法如何逐渐成为系统。
01 / FEATURED PROJECT
ITERATING
授信报告生成器
Credit Report Generator
构建完整可信、可追溯、可审核的授信报告生成 Agent。项目页展开用户旅程、技术演进、总体架构与八个环节。
Financial AIRAGEvidenceHarness
查看完整项目页 ↗
02 / SUPPORTING PROJECT
BUILDING
Excel 数据处理工具
Excel Data Tool
上传目标表格与图片、PDF 等材料；系统识别内容并选择提取路径，将分散的信息整理成指定列的 Excel。
查看项目思路 ↗项目按当前资料展示；图形仅说明处理关系。
02 / DOCUMENT ORGANIZERBUILDING
Excel 数据处理工具
把截图、PDF 和文档里的信息，整理进指定格式的 Excel。先读懂材料，再决定怎样提取；表格的列由用户上传的模板决定。
文档解析OCR分类选路Excel 导出
从一张股东名单截图，到指定列的 Excel
先上传目标模板，明确要填的五列；再上传截图或其他材料。下面使用虚构数据说明字段如何落到表格。
股东持股情况
01示例投资有限公司1,250 万股
持股比例 25.0% / 法人股东
02示例合伙企业650 万股
持股比例 13.0% / 合伙企业
图片先被识别为文字和位置，再按行、表头与列边界重建。
| 排名 | 股东名称 | 持股数量 | 持股比例 | 股东性质 |
|---|---|---|---|---|
| 1 | 示例投资有限公司 | 1,250 万股 | 25.0% | 法人股东 |
| 2 | 示例合伙企业 | 650 万股 | 13.0% | 合伙企业 |
字段按模板匹配；一个材料含多个项目时，可拆成多行。
02 / 处理思路
先分类，再选择提取方式
材料有的已经是规则表格，有的只是扫描件或自由文本。统一让模型读取既浪费调用，也不利于核对；因此先解析、分类，再走不同路径。
- 识别PDF、图片、Excel、Word 分别解析；扫描件和图片使用 OCR，表格还要还原行列。
- 选路流水、回单等结构化材料优先用规则匹配；合同、备案证等非结构化材料可用 LLM 提取。
- 交付汇总多份材料，生成可预览、可下载的结果表，并记录处理失败的文件。
模板列 + 待整理文件
解析内容与表格结构 → 文档分类
结构化材料规则匹配
沿表头、单元格和键值对取值
非结构化材料确认成本 → LLM 提取
拒绝调用时尝试规则兜底
按目标列汇总 → Excel
给出结果，也交代问题
前端展示提取结果并提供下载。导出的工作簿包含「处理结果」和「错误详情」；当项目级提取形成来源信息时，还会增加「字段来源」。
01处理结果按目标列输出数据与匹配状态
02字段来源项目汇总行的字段与来源文件
03错误详情未匹配文件及原因
实现：React + TypeScript 前端 · FastAPI 后端 · RapidOCR / pdfplumber 解析 · openpyxl 导出
图中的股东名称与数据均为虚构示例；流程依据当前项目代码整理。
我的思考
一些还在变化中的想法。
02 / KNOWLEDGE REPRESENTATION从知识图谱到本体：
RESEARCHING
从知识图谱到本体：
LLM 如何获得多跳关系与逻辑推理能力
当 Graph 解决「关系怎么连接」，Ontology 进一步回答「这些关系意味着什么」。
Knowledge GraphOntologyReasoning
FIG. 02 / RELATIONSEntityGraphOntology关系 → 语义
← 返回我的思考RAG 不只是召回：
01 / RAG & ROUTING DRAFTING
RAG 不只是召回：
用路由器重新设计检索策略
如何先识别问题类型，再选择不同 Retrieval Strategy，而不是让所有问题走同一套 RAG Pipeline。
RAGRouterQuery ClassificationHybrid Routing
VISUAL NOTE / 01
QUESTION
分类选路取材
ARTICLE BODY
IN PROGRESS
IN PROGRESS
正文正在整理中
目前这篇文章保留问题、方向与阅读版式，尚未正式完成。
NEXT NOTE从知识图谱到本体 ↗
← 返回我的思考从知识图谱到本体：
02 / GRAPH & ONTOLOGY RESEARCHING
从知识图谱到本体：
LLM 如何获得多跳关系与逻辑推理能力
当 Graph 解决「关系怎么连接」，Ontology 进一步回答「这些关系意味着什么」。
Knowledge GraphOntologyGraphRAGReasoning
VISUAL NOTE / 02EntityGraphOntology关系 → 语义
ARTICLE BODY
IN PROGRESS
IN PROGRESS
正文正在整理中
这篇研究笔记目前只确认了问题方向与页面结构，尚未正式完成。
PREVIOUS NOTERAG 不只是召回 ↗
好物共享
Things Worth Sharing
01 / BOOK深入理解
AI AgentDESIGN PRINCIPLES
ENGINEERING PRACTICE
AI AgentDESIGN PRINCIPLES
ENGINEERING PRACTICE
BOOK / 01深入理解 AI Agent：
深入理解 AI Agent：
设计原理与工程实践
李博杰《深入理解 AI Agent：设计原理与工程实践》开源主仓库，含全书正文、编译版 PDF 与按章配套代码。
- 为什么推荐
- 系统覆盖 AI Agent 从设计原理到工程落地，与授信项目中的 Harness / Agent 能力设计直接相关。
- 关联问题
- Agent 架构设计 · Harness · Workflow
- 资源类型
- 开源书籍与代码
目前收录 1 条资源。后续整理完成后继续补充。