rag

想下载一批论文md做RAG，怎么分块好呢？

问题描述：如题，现在调API把论文PDF转成了md，打算按标题层级建树划分chunk做检索，但是md里面的噪声太多了，比如图片链接表格作者介绍等等，最重要的是有的论文转md部分标题没有标题格式没办法直接识别，佬友有什么好的划分或者清洗方法