上文：https://linux.do/t/topic/181830 

上文评论区大佬们提供的思路及方案都很多，有兴趣的可以去看看。 
最终我选择的是ragflow二开，目前想实现 回答支持显示引用的文档图片。 
我对于分块与回答的思考如下： 
1.【分块】 提取PDF、word中的图片+图片周围文字，然后将word图片交由视觉模型进行描述，最后讲提取的周围文字+视觉模型描述文字，交由大模型总结出结果，这便组成了一个chunk。格式类似于： 
图片URL：127.0.0.1/img
图片描述文字：这个人是张三，他穿着黑色衣服。。。。。。


【回答】：采用如下的提示词格式：

  你是一个智能助手，请总结正面知识库的内容来回答问题，请列举正面知识库中的数据详细回答。
当所有正面知识库内容都与问题无关时，你的回答必须包括“知识库中未找到您要的答案！”这句话，同时回答需要考虑聊天历史。
我...