主要观点总结
本文介绍了多模态RAG的四个简单动手实践脚本和关于RAG切分的开源工具Chonkie。多模态RAG分为解析式文档多模态RAG和DocVQA式文档多模态RAG。文章还提到了几个实践项目，包括GitHub上的相关项目和开源工具Chonkie的使用。通过动手实践，可以更好地理解RAG技术。
关键观点总结
关键观点1: 多模态RAG的四种简单动手实践脚本
包括Simple RAG、Vision RAG、ColPali RAG和Hybrid ColPali RAG，分别介绍了它们的特点和使用方式。
关键观点2: 开源工具Chonkie的介绍
Chonkie提供了多种RAG切分方式，包括TokenChunker、WordChunker、SentenceChunker、SemanticChunker和SDPMChunker。文章介绍了如何使用Chonkie进行文本切分，并提供了相关链接以供进一步了解细节和对比结论。
关键观点3: 关于多模态RAG技术的简要介绍
包括解析式文档多模态RAG和DocVQA式文档多模态RAG的基本概念和特点。
关键观点4: 社区介绍及相关资源
介绍了作者所在的社区，包括加入方式和相关资源，如每日早报、老刘说NLP历史线上分享等。
文章预览
今天是2024年11月15日，星期五，北京，天气晴。 昨天，我们回顾了多模态RAG的一些理论方法，分为两类，一种是 解析式文档多模态RAG (将一个文档切分为页面，然后再用版式识别的方式对文档进行各种模态元素进行分割、解析、提取，然后再嵌入、检索）； 另一种是DocVQA式文档多模态RAG (将文档切分为页面图像，不再细分，然后根据页面图像级别进行检索，类似于docvqa)，而纸上得来终觉浅，绝知此事要躬行，我们来讲讲几个多模态RAG的四个简单动手实践脚本。 另一个是关于RAG切分的开源工具Chonkie，对于RAG切分不熟悉的，可以跑一跑看看。 坚持，总是会有收获的。 一、多模态RAG的四个简单动手实践脚本 至于动手环节，目前已经有一些可以实践的项目，如https://github.com/kyryl-opens-ml/vision-retrieval、Byaldi(https://github.com/AnswerDotAI/byaldi)、colpali(https://github.
………………………………
