如题，本人再跑公司的RAG业务。主要是将郭嘉的法律 PDF 通过Mineru 解析得到markdown文本和定位json数据后，对文档进行清洗和分块。但是现在遇到两个问题： 

Mineru 解析后的文档存在 OCR 错误， 需要调整格式、清洗错误内容
分块策略，最开始用 RAGFlow 的分块策略，但是效果很糟糕。不知道是因为，没有清洗数据还是其他的原因

针对这两个问题，佬友们有什么推荐的文章和宝贵的建议吗？ 
目前，我的想法是，在清洗格式错误上，由于法律文档要求 100% 可信度，所以用 LLM 清洗风险就很大了，只能考虑一下算法洗 + 自己手动调整。但是我草。200多个法律文档，而且只有我一个人做，这工程量太大了。 
所以佬友们，救救我 🥲 救救我 🥲 救救我 🥲