目前在工位比较闲，想自己做个项目练练手，想问问大家对它没有需求，有啥需求。 
简单来说，以前的RAG可能只能处理纯文本的文档或者文档里面的纯文本内容，但是面对一些包含表格、图像之类的多模态文档，这种方法处理起来肯定是精度不够的，目前自己想到的一些需求如下： 

必须要省Token，对于常规的的基于知识图谱的RAG来说，几乎每个块都需要提取里面的实体、关系，这种方法在文档较多的时候会耗费大量Token，构建过程也很费时间，因此，尽量需要思考一下其他Pipeline，尽量不使用这种方法。
实时性不要太差，也就是中间不要塞太多调用LLM进行评估之类的操作，查询之后让用户不要等的太久。
覆盖场景尽量全面一点，我自己想到了三种可能存在的查询场景，第一种是可能用户意图是直接查询某个文档中的某个图像，找他的信息，第二种可能是比较类型，需要并行检索两种，第三种可能是本地的DeepResearch这种

目...