DeepSeek V4-Flash Vision RAG

用 DeepSeek 视觉大模型"看懂"整份 PDF：先为每页建立视觉索引（一次性、缓存复用）， 再对用户问题做 本地粗筛 → 视觉精排 → 深读回答，回答带 [第N页] 引用， 并把命中页图片展示给用户。

相比逐段文本 RAG，它直接看页面图像，因此能理解排版、图表、表格、代码块， 扫描版也能用；页码来自渲染本身，天然精确。

环境

• Python 依赖：openai、pymupdf(fitz)（本机已装；缺了先 pip install）
• API key：默认已内置；可用环境变量 DEEPSEEK_API_KEY 覆盖
• 所有脚本在 scripts/ 下，Windows 下可直接 python scripts/xxx.py

工作流

第 1 步：建立索引（每份 PDF 一次，之后走缓存）