技术与研究 / 技术指南
一些做项目时遇到的问题。
文件能打开，文字却读不对；OCR 返回了内容，却没法检索。这里整理文档处理与知识库建设中的方法、限制和检查步骤。
文档处理
PDF 能打开，为什么读出来不对？
同一份 PDF 可能混有文字页、扫描页和编码异常页。先分清页面，再决定如何提取内容。
约 5 分钟
扫描件与图片
OCR 识别完，接下来检查什么？
识别结果可能有空白、重复、截断和错位。区分页面质量问题与请求失败，才能选对重试方法。
约 5 分钟
知识库
上传知识库之前，先把资料整理好。
去重、定版、保留文档结构，再用真实问题检查检索结果。文件数量不能代表知识库质量。
约 5 分钟
这些问题也出现在你的项目里？
可以带着文件类型、处理结果和目标场景，一起讨论解决办法。