【RAG知识库实践】数据源Data Source

一、 数据来源

高性能RAG（Retrieval-Augmented Generation）系统的核心效能依赖于准确、清洁且结构化的原始知识数据。因此，通过文档读取器 (Converter) 将各类原始文档解析并转换为标准化Markdown格式，作为后续处理的统一基础

1.1 数据格式

支持多种数据来源和格式的解析处理：

1. 飞书文档 (Lark Document)

   • 使用LarkParser解析器
   • 基于lark_oapi API定制化遍历解析文档的BlockType结构

2. 本地文件 (Local File)

   • 支持格式：.docx、 .pdf、 .xlsx、 .xmind等
   • 使用对应解析器：DocxConverter、PDFConverter、XlsxConverter等
   • 依赖开源库：python-docx、pdfplumber、quivr等