在本地搭建 Unstructured 环境处理 PDF 文档，首先需要安装 `unstructured[pdf]` 库及系统依赖（macOS 使用 Homebrew 安装 poppler 和 Tesseract，Windows 需手动配置 PATH），也可通过 Docker 部署 API。解析 PDF 时调用 `partition` 函数并指定 `hi_res` 策略，可识别标题、段落、表格等结构化元素，对扫描件还能借助 OCR 提取图片文字。随后进行文本切片：Unstructured 提供 `basic` 和 `by_title` 两种策略，通过 `max_characters`、`new_after_n_chars`、`overlap` 等参数控制块大小与重叠，可在分区时同步切片或单独调用 `chunk_by_title` 函数，从而保留语义边界。最后进行向量转换：利用 sentence-transformers 加载本地嵌入模型（如 `BAAI/bge-small-zh-v1.5`）将文本块转为向量，并存入 FAISS 等向量数据库；也可结合 LangChain 的 `UnstructuredPDFLoader` 和 `FAISS` 构建完整流水线。文中还提供了常见问题（如 Poppler 缺失、OCR 未生效）的解决方案及一个封装好的 `PDFVectorPipeline` 类，帮助开发者快速实现从 PDF 到向量的自动化处理，为 RAG 应用和语义搜索提供高质量的数据基础。