以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
昨天在linux.do发布新开源项目：【开源】又一个好东西：基于多模态 Embedding + Zilliz + Qwen 视觉理解的多模态 RAG 系统
佬友有意见，我觉得加上展示效果，实战案例，可能更好的表达效果：
基于多模态 Embedding + Zilliz + Qwen 视觉理解的多模态 RAG 系统。支持 **Cohere / DashScope Embedding** 和 **DashScope / OpenRouter LLM** 双引擎切换。上传 PDF，用自然语言提问，系统自动检索最相关的页面并由 AI 生成回答。与传统 RAG 不同，本系统**不做文本提取和 OCR**，而是直接将 PDF 页面当作图片处理，通过视觉 Embedding 模型编码，完整保留表格、图表、排版、手写批注等所有视觉信息。
以下为测试和演示效果：
搭建中国风格建筑
qqppp (Grey) 2
这个视觉理解是不是也可以结合【开源】男人的拼豆-DIY乐高马赛克像素画生成器-有微信小程序版本-AI风格优化 这个项目，当用户做到哪一步进行不下去了，拍照上传，ai为他下个步骤做提示。
liangdabiao (liangdabiao) 3
没有往这个方向的ai去搞，我下一个方向可能是，让AI从相关资料，图文等等，学习理解了，然后利用 gpt-image-2 直接生成理解后的图文答案，不知道效果怎样，这就需要gpt是不是非常懂乐高积木了，这个我不确定，但是会试试
qqppp (Grey) 4
那天用claude研究过生成图纸需求，让ai去调研，就有提到这方面这个方向 
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。