技术栈：Python · Docker · Elasticsearch · Nginx · ARM · Redis · MySQL · MinIO

针对RAG（检索增强生成）场景下非结构化数据（PDF/Word/Excel）解析困难、格式混乱导致AI幻觉的问题，设计并开发了一套高并发的文档预处理微服务。该服务作为知识库的底层基础设施，负责将多源异构文档转化为大模型易于理解的结构化文本。
核心职责与成果：
多模态文档解析与清洗（ETL）：
基于LibreOffice及正则表达式构建通用解析引擎，支持PDF、Office全家桶等10+种格式的文档解析。
设计文本清洗流水线，有效去除文档中的页眉页脚、乱码及特殊符号，将非结构化文本转化为高质量的Markdown/JSON格式，显著提升了下游向量数据库的索引质量。
高并发异步架构设计：
采用FastAPI + asyncio构建全异步微服务，相比传统同步框架（如Flask/Django），在文档解析IO密集型场景下，吞吐量（QPS）提升约40%。
引入psutil实现细粒度的系统资源监控，针对大文件（>100MB）解析场景设计内存保护机制，有效防止因内存溢出（OOM）导致的服务崩溃，服务稳定性达到99.9%。
对象存储与状态管理：
集成MinIO分布式对象存储，设计“上传-解析-回调”的全链路任务状态机，支持业务侧异步调用。
实现了断点续传与失败重试机制，确保在大规模知识库初始化导入数据时的可靠性。