AI 百科词条

文档解析（Document Parsing）是什么？

把 PDF、扫描件、图片转成模型可读的结构化文本，是 RAG 质量的第一道关口。

一句话说清楚

文档解析处理版面分析、表格识别、阅读顺序还原、OCR 四件事。解析质量决定 RAG 上限：表格被切碎、双栏阅读顺序错乱、扫描件 OCR 错字，都会让检索召回的片段本身是错的——模型再强也答不对。

纯文本 PDF 用轻量解析器（PyMuPDF）；含表格/多栏/扫描件的复杂文档用版面感知模型（如 MinerU、Marker）；对精度要求极高的财务/合同场景加人工抽检环节。

只测首页不测全书——文档解析的难点在中后段的复杂版面，用每个文档抽 5 页做质检再入库。

录音转文字：会议、访谈、课程全场景

会议纪要看说话人分离与摘要能力，访谈整理看准确率与时间戳，课程听打看长音频支持。

AI 翻译：整篇 PDF 到双语对照

论文翻译看公式与参考文献保护，商务文档看排版还原，网页阅读看沉浸式双语。

AI 读长文档：报告、论文、合同速读与要点提炼

上传 PDF 直接提问，AI 出摘要、答细节、跨页对比，重点看长文完整度与引用页码。