在之前清洗数据的时候我有意识地让数据比较规整，按照二级标题##、三级标题###等等划分，并且在用视觉模型VLM生成文本替换图片的时候用图表分析开始和结束标签包裹了内容，所以在这里按照层级划分基本能够满足知识点完整性的要求，图标的起始结束标签也可以作为切块的一句，保证一张图的描述不会从中间断开。，也就是块和块之间字符重叠为0，这主要是因为数据清洗后结构比较规整，加上切块逻辑的完善，一个chunk基本

它用OpenAI的Vision模型（比如LLaVA）自动生成图片描述，把图片内容变成“可检索的文本”，然后把所有文本块和图片描述都转成向量（embedding），统一放进向量数据库。之后用户在与模型的交互中，系统会将用户的搜索内容编码成向量，并查询向量数据库，比较查询向量和数据库向量之间的相似度，并返回最相似的几条数据。爬取的数据中除了纯文本知识外，还包括图片，对于图片在上一步爬取时我们是将其UR