文档预处理

• 格式转换（PDF、OCR）与清理（异常字符处理）19。
• 分块策略：按Token数、段落结构或重叠分块（推荐256-1024 Token）312。

向量化与存储

• 嵌入模型选择（如text2vec、BGE系列）112。
• 向量数据库选型：FAISS（高性能）、Milvus（企业级）、Elasticsearch（混合搜索）