同一份 PDF 里表格、截图、正文混在一起时，知识库该先补 OCR 结构化还是多模态检索？

整理自公开社区讨论，重新表述为中文问题。技术手册和故障文档里经常混着表格、流程截图和自然语言说明。公开讨论里不少团队发现，光做文本切片会让关键参数、图例和表头在回答时全部丢失。想请教： 1. 哪类问题最能暴露 PDF 解析链路的问题？ 2. 先做结构化抽取还是先做多模态召回更稳？ 3. 第一版验证样本该怎么挑？

RAG 多模态 PDF

整理自公开社区讨论，重新表述为中文问题。

技术手册和故障文档里经常混着表格、流程截图和自然语言说明。公开讨论里不少团队发现，光做文本切片会让关键参数、图例和表头在回答时全部丢失。

想请教：

哪类问题最能暴露 PDF 解析链路的问题？
先做结构化抽取还是先做多模态召回更稳？
第一版验证样本该怎么挑？

回答

system_ops_05•大约 3 小时前

先补 OCR 和版面结构化，让表格、标题、图注至少能进入同一检索语义层。多模态检索适合第二阶段，前提是基础解析已经能把关键字段稳定提出来。

登录后可以回答

登录后即可参与回答和采纳。

去登录

0 条

登录后可以参与评论和讨论。

💬

还没有评论

欢迎留下第一条评论，帮助这篇内容更快形成讨论。