PDF 转 AI 就绪数据

问题：入库前的 PDF 抽坏了，RAG 也会答坏

很多团队把 PDF 直接切块丢进向量库，结果召回差、表格串行、扫描件抽出空文本还以为成功。根因是入库前没有做好解析与结构化：文字丢段落、表格错位、坐标缺失，再强的模型也回溯不到原文。

这个技能做什么

它是一份文档数据工程方案，按抽取策略分层推进：

• 纯文本层：优先用 PDF 内嵌文本，速度快，适合原生电子档。
• 版面分析：对扫描件用 OCR + 版面检测，保留标题、段落与栏位结构。
• 表格：识别单元格边界，输出 Markdown 表或二维数组，避免串行错列。
• 元数据：保留页码、章节与 bbox 坐标，便于溯源和高亮回链。

输出建议是切片单元 {text, page, bbox, heading} 的 JSON 数组，便于向量化与定位；同时可生成带标签的 HTML，顺带满足无障碍合规。

关键步骤与校验

• 先判断 PDF 是文本型还是扫描型，再选策略。
• 表格不要按行串行，要以单元格边界重建。
• 质量清单：标题层级是否保留、跨页表格是否正确拼接、数字与单位是否未被 OCR 误读、每片是否带页码便于回链。
• 常见陷阱：全文直接入库不切片；忽略扫描件；表格按行串行导致数字张冠李戴。

适用边界与注意点

• 适用于文档问答、RAG 数据准备、PDF 表格抽取等场景。
• AI 输出以官方为准；涉及个人隐私或敏感文档时，处理与存储须符合数据保护相关要求。