（本文翻译自微软全球官方博客）

下面这个示例演示了如何将分层文档结构分析和图形检测与 Azure OpenAI GPT-4 Turbo with Vision (GPT-4V) 模型相结合，以从文档中提取高级洞见。

示例代码链接：https://aka.ms/di-figure

这一过程始于识别文档的不同部分，如文本块、表格和图像等页面对象。Azure AI 的复杂算法会分析文档的层次结构，确保准确识别每个部分和子部分，并保留它们之间的相互关系。分析的结果是生成可反映文档结构的 markdown 输出，以便导航和编辑。

接下来，工作流展示了如何根据检测到的边界区域裁剪图形，然后将图形正文和标题发送到 GPT-4V 模型进行理解。在这个示例中，GPT-4V 模型将返回柱状图的描述。这一详细描述为用户提供了图形内容的文本表述，对于理解文档中直观呈现的数据至关重要。

在增强的 markdown 输出中，图形内容部分已从仅表示图形内部检测到的文本提升到包含 GPT-4V 提供的完整描述。这种丰富的输出包含了对图形的语义解释，从而能够更细致地理解视觉数据。有了这些精细化的信息，markdown 输出在应用于 RAG 示例时将成为更强大的资产，可使基于文档的问答互动更精确、更贴近上下文。

● 这个教程展示了如何在 LangChain 中使用 Azure AI 文档智能作为文档加载器、Azure Search 作为检索器来演示 RAG 模式。现在，您可以使用具有图形理解能力的增强型 markdown 输出与 LangChain 中的 MarkdownHeaderTextSplitter 连接，进行更准确的语义分块。

? https://aka.ms/doc-gen-ai

● 这个解决方案加速器展示了一个端到端的基线 RAG 模式示例，该模式使用 Azure AI 搜索作为检索器，并使用 Azure AI 文档智能进行文档加载和语义分块。

? https://github.com/Azure-Samples/chat-with-your-data-solution-accelerator

*所有发布内容均与微软全球产品和服务相关，各个国家或地区客户的产品可用性取决于当地情况。