结构边界
章节、段落、Figure、Table 和 Caption 具有不同语义，统一字符串切片无法稳定保留它们之间的关系。
STRUCTURE-AWARE · MULTI-VIEW · EVIDENCE-GROUNDED
让复杂 PDF 的文本、图表与回答，回到同一条证据链。
DualStruct 是一个结构感知的多模态文档 RAG 研究工作台。它将 Parser 输出冻结为稳定 IR，用 RetrievalUnit 统一 Text、Visual 与 Sparse 索引身份，再把每次命中回映到 Chunk、Figure、Table、Page 与 BBox。
临时公网演示 · 固定共享语料 · 请勿提交隐私或业务数据
SYSTEM MAPLIVE PIPELINE
INPUTComplex PDFText · Figure · Table · Layout
↓
STABLE CONTRACTDualStruct IRParser-neutral document structure
↓
LOCATORRetrievalUnitSource · View · Target
TEXT DENSEVISUAL DENSEFTS5
↓
OUTPUTEvidence + CitationChunk · Element · Page · BBox
15BENCHMARK PDFS
75LABELED CASES
990TEXT UNITS
312VISUAL UNITS
WHY DUALSTRUCT
普通 Text RAG 丢掉的，正是复杂文档最重要的部分。
多视图身份
同一 Figure 同时拥有 Caption/OCR Text View 与 Image Visual View，需要跨索引去重并聚合回同一业务对象。
证据回映
向量命中只是搜索记录。最终回答还需要定位到原始 Element、页码、坐标与图片资产。
ARCHITECTURE
四层检索索引，把事实、身份与搜索结构分开。
应用索引架构负责“索引什么、如何回到业务对象”；Milvus、FTS5 与 HNSW/FLAT 负责“如何存储与搜索”。
SOURCE OF TRUTH
SQLite / Filesystem事实数据
Document · Section · Element · Chunk · Asset
IDENTITY & LOCATOR
RetrievalUnit检索身份
retrieval_unit_id · Source · View · Target
SEARCHABLE RECORD
Milvus / FTS5可搜索记录
Vector + Unit ID · Indexed Text + Unit ID
PHYSICAL INDEX
Storage Engine物理搜索结构
Vector Search · Inverted Index · B-Tree
CORE DESIGN
五个可以独立解释，又在一条链路中闭环的设计。
Parser-neutral IR
MinerU、Docling 等上游通过 Adapter 进入稳定文档结构，检索系统不跟随 Provider Schema 演化。
Structure-aware Chunking
Chunk 不跨 Section；Figure/Table 保持 Atomic；普通长文本采用 Target/Max 与完整 Element Overlap。
RetrievalUnit
Source/View/Target 解耦被索引输入与最终业务结果，让 Text、Visual 和 Sparse 命中共享统一 Locator。
Target-level RRF
三分支并发检索后先聚合到业务 Target，再执行 RRF 与 Reranker，并保留 Rank/Score Trace。
Citation Guard
Context Budget、Neighbor Expansion 与 Element Span Citation 共用证据包；未知引用标签在应用层被拒绝。
可替换的是 Parser、Embedding 与 Provider；稳定的是 IR、RetrievalUnit、Evidence 和 Citation。CONTROLLED EVALUATION
比较系统，也拆开 Reranker 的贡献。
同一 Development Split、同一 25 Cases、同一 Qwen3 Reranker，组成完整 2×2 Attribution Matrix。
Naive Dense
0.693RECALL@5Naive + Rerank
0.893RECALL@5DualStruct Hybrid
0.867RECALL@5DualStruct Full
0.907RECALL@5Attribution, not a single headline score.
无 Reranker 的 A→C 显示结构化 Hybrid/RRF 对前排召回与多证据完整性有价值；B→D 说明加入相同 Reranker 后总体结果不再是单向胜负。实验保留 Case、配置指纹和失败记录。
IMPLEMENTATION
研究问题落到可运行的工程边界。
FastAPI · UseCase · Port
Feature-based 六边形模块、Composition Root、Request DI、UoW 与后台任务状态。
Milvus Lite · SQLite FTS5
Text/Visual 独立 Embedding Space，统一 RetrievalUnit Locator 与 Target-level Fusion。
Qwen3 · DeepSeek · OpenAI-compatible
Embedding、Multimodal Embedding、Reranker 与 ChatModel 通过独立 Port/Adapter 接入。
React · OpenAPI · Docker
Typed Contract、Retrieval Workbench、Evaluation Dashboard 与可复现 `linux/amd64` 部署。
EXPLORE THE SYSTEM