Official document AI and RAG infrastructure blog; confirm reuse terms before full body display.
Unstructured 发布 Transform MCP，允许AI智能体通过工具调用处理文档。支持60多种文件类型，提供结构化输出，并无缝集成MCP客户端。主要优势包括可组合性、可检查性、可重现性和可移植性。现已推出，每月免费15,000页。
本篇文章介绍了Unstructured平台如何处理超过60种非结构化数据格式，包括PDF、Word、PPT等，并通过规则解析器、OCR和视觉语言模型实现高效内容提取。文章还讨论了MCP服务器设计中的工具数量权衡，以及如何优化上下文窗口使用。
尽管视觉语言模型（VLM）日益强大，目标检测（OD）仍然是文档转换的关键基础。本文深入探讨了为什么微调OD模型远比看上去复杂，包括训练框架中的bug、跨数据集标签不一致以及灾难性遗忘等挑战。Unstructured通过基于IBM Heron模型的精细微调，显著提升了检测质量和下游提取精度。
本文探讨了企业AI代理无法访问组织中约80%的非结构化数据（如PDF、合同、电子邮件等）的问题，并介绍了Unstructured平台如何将这些数据转化为Databricks湖仓中代理可用的知识。文章强调了单一管道处理多种文件类型、遵循奖章架构、以及通过Unity Catalog实现治理的优势。
美国海军海上系统司令部授予Unstructured一份合同，旨在设计和演示AI驱动的解决方案，帮助作战人员更快获取关键信息，减少操作员负担，并加速反潜战和水面战决策。该方案结合Unstructured的数据处理和Elastic的企业搜索能力，将整合异构数据源，提供可解释的搜索结果，首先应用于AN/SQQ-34航母战术支持系统和AN/UYQ-100水下战决策支持系统，并计划未来扩展至联合全域指挥控制等领域。
Unstructured 在其文档处理工作流中新增 Extract 节点，支持通过 LLM 或正则表达式从文档中提取结构化 JSON 数据，适用于智能文档处理、数据库记录生成等场景。
Unstructured推出webhooks功能，可根据任务生命周期事件自动触发下游操作，支持通过工作区或工作流范围与任何端点集成。
Unstructured发现，合并高质量但标注风格不一致的数据集反而降低了模型性能。他们构建了一个基于VLM的智能体标签统一流水线，在训练前协调标注差异，最终在14项指标上取得提升。
Unstructured使用SCORE-Bench基准测试评估了五种前沿模型在企业文档解析上的表现，发现原始模型调用与优化管线之间存在显著差距。尽管模型在推理和幻觉控制（尤其Claude Opus 4.6）上表现强劲，但在表格提取、文档结构和输出一致性方面仍落后于专业管线，差距高达23个百分点。文章指出，差距并非能力问题，而是配置问题，通过优化提示、后处理和输出结构约束可以有效弥合。
Unstructured发布新指南，深入讲解高级检索增强生成（RAG）技术，涵盖智能分块、元数据过滤、GraphRAG、混合搜索和代理工作流等，旨在帮助开发者构建可扩展的企业级AI管道。
Unstructured 宣布一系列更新，包括简化的拖放界面、生成式精炼技术以提高输出保真度，以及简化的定价方案。新工作流程结合高分辨率分区与视觉语言模型增强，实现更高精度和结构保存。