使用工作流批量构建图文 RAG 数据¶
MOI 提供面向 RAG 数据准备的工作流模板，可以在一次运行中批量完成文档读取、版面解析、文本分块、向量化、文本索引和图片索引。相同的处理规则可以重复用于一批文件，适合持续建设包含正文、表格和图片的知识库。
本教程使用 3 份美国地质调查局（USGS）发布的 Landsat 图文报告作为示例，分别介绍 Landsat 在阿拉斯加、加利福尼亚和佛罗里达的应用。每份 PDF 都包含正文、地图、卫星影像或专题图，适合同时验证文字解析、图片描述和图片索引。您将通过 文档知识库准备（含图片索引） 模板批量构建图文 RAG 数据，并验证跨文档问答和按图检索。整个操作预计约 30 分钟，实际处理时间取决于文件数量、页数和模型速度。
你将完成什么¶
将多份图文 PDF 批量上传到 Catalog；
从系统模板创建一条图文 RAG 数据准备工作流；
配置文档解析、文本索引和图片索引；
一次运行工作流，处理全部示例文件；
在知识库中验证跨文档问答和图表检索结果。
开始前准备¶
准备一个 MOI 账号，可前往 MOI 云端登录/注册；
确认当前工作区可以正常创建并运行工作流；
下载并解压 图文 RAG 教程样例包。
样例包包含以下公开资料：
文件 |
图文内容 |
官方来源 |
|---|---|---|
|
正文、近地表多年冻土分布图、洪水卫星影像和野火假彩色影像 |
|
|
正文、山火假彩色影像和植被生态分区图 |
|
|
正文、火灾年份分布图、红树林照片和迈阿密海滩卫星影像 |
这些文件仅用于方便教程操作。实际使用时，可以换成自己的 PDF、Word、PPT、网页、表格或图片资料。
操作步骤¶
1. 将示例文件批量上传到 Catalog¶
登录 MOI，在左侧导航的 数据连接 中选择 导入任务。
点击 新建导入任务，选择 非结构化。
在数据来源中选择 本地上传，一次选择解压后的
USGS.Alaska-and-Landsat.pdf、USGS.California-and-Landsat.pdf和USGS.Florida-and-Landsat.pdf。在目标位置中选择当前工作区的 Catalog，并将文件保存到以下位置：
<当前工作区 Catalog> / tutorial_data / multimodal_rag / source
其中，
tutorial_data是目录，multimodal_rag是数据库，source是数据卷。如果尚未创建，可以在选择目标位置时依次新建。保持其余配置为默认值，并确认导入文件列表中已经显示 3 份 PDF。
点击 创建并开始导入。
等待导入任务状态变为 已完成，并确认 3 份 PDF 均可在以下位置找到：
资源中心 > Catalog > tutorial_data > multimodal_rag > source
2. 创建图文 RAG 工作流¶
在左侧导航的 数据处理 中选择 工作流。
点击 创建工作流。
找到 文档知识库准备（含图片索引） 模板，点击 使用模板。
将工作流名称填写为
landsat_visual_rag。
该模板已经包含读取文件、解析文档、切分文本、建立文本索引、建立图片索引、保存解析结果和登记数据血缘等节点，无需逐个添加节点。
3. 配置工作流¶
选择批量源文件¶
打开工作流的运行配置，在左侧选择 Catalog 数据源。
在 源文件 中选择数据卷
tutorial_data / multimodal_rag / source。将 文件范围设置为 按文件，选中
USGS.Alaska-and-Landsat.pdf、USGS.California-and-Landsat.pdf和USGS.Florida-and-Landsat.pdf。
一次选择全部文件后，工作流会在同一次运行中批量处理它们。
创建知识库¶
在左侧选择 构建知识库索引。
在 知识库中输入
landsat_environment_knowledge，点击 创建知识库。保持默认的文本 Embedding 模型，开启 启用图片索引，图片 Embedding 模型保持默认值。
三级索引及其余参数保持默认值。
保存到 Catalog¶
在左侧选择 保存到 Catalog。
将 输出位置设置为
tutorial_data / multimodal_rag / source。点击 确认，保存本次运行配置。
文档解析、按长度切分文档、工程图纸解析、构建图纸知识库索引和写出文档文件等其余步骤均保持模板默认配置，无需逐项修改。
4. 保存并批量运行工作流¶
返回工作流画布，点击 保存并启用。
在工作流页面点击 运行。
确认源位置和输出位置均为
source，并确认已选择 3 份 PDF。开始运行后，在工作流页面右侧找到 作业 按钮并点击。
在作业列表中找到本次运行记录，等待 3 个文件对应的作业状态均变为 已完成。
本次只需要运行一次。工作流会按照同一套解析和索引规则处理全部输入文件。
5. 在知识库中开始对话¶
在左侧导航中选择 知识库，打开
landsat_environment_knowledge。
点击知识库卡片上的 对话，发送一个跨文档问题：
阿拉斯加、加利福尼亚和佛罗里达分别使用 Landsat 监测了哪些环境问题？请按地区归纳。
点击回答中的来源，查看引用的资料和原文位置。
再发送一个与图表有关的问题：
请找出加利福尼亚 August Complex 山火的假彩色卫星影像，并说明图中的黄色和深棕色分别表示什么。
点击回答中的页面或图片来源，查看图注和来源信息。
教程完成¶
您已经使用系统模板完成了一次批量图文 RAG 数据构建：3 份公开资料经过同一条工作流完成了解析、分块、文本索引和图片索引，解析结果保存到 Catalog，并可在知识库中用于跨文档问答和图表检索。