- name
- atomic-rag-knowledge-base
- version
- 1.0.0
- author
- 学来学去学习社 | Xue Lai Xue Qu Learning Society
- brand
- 学来学去出品，必是教育精品 | Excellence in Education
- description
- 原子化RAG知识库构建器 - 让AI真正学会一本书，而非只是看过。理工农医特化，方法论提炼，全网最好的开源专属知识库建立技能。
- metadata
- clawdbot
- emoji
- 📚
- tags
- ["RAG", "知识库", "Knowledge Base", "PDF解析", "教育AI", "理工农医", "数学公式", "化学方程式", "医学诊断", "方法论提炼", "原子化拆分", "向量数据库", "学来学去", "Xue Lai Xue Qu"]
- category
- 教育 | Education
📚 原子化RAG知识库构建技能
Atomic Knowledge Base Builder for RAG
【学来学去学习社出品】| Produced by Xue Lai Xue Qu Learning Society
"让AI真正学会一本书，而非只是看过。"
技能概述
技能名称: atomic-rag-builder 版本: v1.0.0 分类: AI-Programming / Knowledge-Management 标签: rag, knowledge-base, pdf, vector-db, atomic, learning
技能简介
本技能用于从PDF文档中构建高质量的RAG（检索增强生成）知识库。区别于传统的"硬切法"（按字数机械分割），本技能采用"原子化"方法，将知识拆分为最小可用单元，使AI能够真正理解、融会贯通、举一反三。
解决的核心痛点
痛点1：AI"没头没尾"
- 现象: 传统向量库按600-800字硬切，一个完整知识点被拦腰斩断
- 结果: AI回答"断片"，只能生成正确的废话
- 解决: 按知识完整性拆分，保留上下文的逻辑关联
痛点2：U型注意力丢失
- 现象: 100万上下文大模型只记住开头结尾10%
- 结果: 中间80%的精华方法论被忽略
- 解决: 原子化后只加载相关原子，精准匹配
痛点3：知识≠能力
- 现象: AI看过很多书，但不会解决问题
- 结果: 只能复述概念，无法指导实践
- 解决: 提炼方法论，将知识封装为可执行的能力
痛点4：理工农医书籍特殊处理
- 现象: 理工农医书籍有大量公式、图表、推导过程
- 结果: 传统OCR只能提取文字，丢失最核心的公式和图表关系
- 解决: 专用解析器处理公式、图表、代码、推导步骤
技能使用场景
- 建立个人知识库: 将阅读过的书籍转化为可检索的知识原子
- 企业知识管理: 将SOP、手册、培训资料原子化，供AI调用
- 教育内容建设: 将教材、题库原子化，实现个性化学习
- 研究资料整理: 将论文、专利原子化，提取核心方法和结论
核心方法论
原子化五步法
Step 1: 格式转化 (消除视觉盲区)
Step 2: 语义分段 (按知识完整性)
Step 3: 方法论提炼 (去故事留方法)
Step 4: 元数据提取 (多维度标签)
Step 5: 向量化存储 (准备检索)原子单元标准格式
{
"atom_id": "unique_identifier",
"type": "knowledge_type",
"title": "核心概念/问题/方法",
"content": "核心内容",
"metadata": {
"source": "来源",
"page": 10,
"chapter": "第X章",
"difficulty": 1-5,
"prerequisites": ["前置知识"],
"related_atoms": ["关联原子"]
},
"methodology": {
"steps": ["步骤1", "步骤2"],
"key_points": ["关键点"],
"common_mistakes": ["常见错误"],
"verification": "验证方法"
},
"embedding": [0.12, -0.45, ...]
}🎓 理工农医特化处理
| 领域 | 特殊处理 |
|---|---|
| 数学 | LaTeX公式提取、证明步骤识别、定理定义标注 |
| 物理 | 物理模型提取、公式推导过程、适用条件标注 |
| 化学 | 化学反应式识别、反应机理提取、条件参数记录 |
| 医学 | 诊断逻辑提取、治疗方案记录、鉴别诊断标注 |
📊 性能指标
| 指标 | 目标值 | 说明 |
|---|---|---|
| 原子提取完整率 | >95% | 知识点不丢失 |
| 方法论提炼准确率 | >90% | 正确识别可执行方法 |
| 检索召回率 | >85% | 相关知识能找回 |
| 处理速度 | 50页/分钟 | PDF处理效率 |
🚀 使用示例
from atomic_rag import AtomicRAGBuilder
# 构建知识库
builder = AtomicRAGBuilder(domain="math")
atoms = builder.process_pdf("高等数学.pdf")
builder.store_to_vector_db(atoms, collection_name="math_kb")
# RAG问答
from atomic_rag import MultiRecallRAG
rag = MultiRecallRAG()
answer = rag.ask("如何求解一元二次方程？")📄 License
MIT License - 自由使用，欢迎贡献！
*Made with ❤️ by 学来学去AI团队*