融合多模态大语言模型与RAG机制的图文报告生成方法

本发明公开了融合多模态大语言模型与RAG机制的图文报告生成方法，属于文本处理技术领域。所述方法首先将PDF文档转为图像，通过多模态模型识别并提取文本、表格、图表等内容，构建可检索的知识片段库；接着基于用户查询，采用混合检索策略获取相关证据，并利用大语言模型生成含图像占位符的Markdown报告；同时调用文生图模块生成配图，最终实现图文融合的可视化报告输出。本发明支持多模态内容理解、跨模态检索与协同生成，具备良好的泛化性、准确性与实用性，适用于多领域、多语种的复杂文档处理与报告生成。