先看结论
从长文档拆分、抽取重点到输出摘要，梳理一套更稳的 PDF 处理链路。
适合谁看
适合要做发票识别、合同总结、表格清洗、报销自动化的业务团队和实施方。
这篇会回答
• 先区分文档类型
• 不要一次性丢给模型
• 摘要输出要带用途
Reading Path
这篇在专题里的位置
重点覆盖 PDF、表格、票据、合同和扫描件处理，把 OCR、结构化和自动化工作流连成一条线。
第 1 节
先区分文档类型
长文档处理前先判断是纯文本 PDF、扫描 PDF 还是包含大量表格的 PDF。不同文档类型，前处理链路完全不同。
纯文本 PDF 可直接抽取文本
扫描 PDF 先 OCR 再摘要
表格型 PDF 先抽关键字段
第 2 节
不要一次性丢给模型
大文档最常见的问题是直接把整份内容丢给模型。这样既贵，也容易丢重点。
更稳的方式是先按章节切片，再做局部摘要，最后再做全局归并。
第 3 节
摘要输出要带用途
同样一份 PDF，如果你是拿来做领导汇报、客户介绍或内部评审，摘要结构应该完全不同。摘要不只要短，还要对场景有适配。
FAQ
常见问题
扫描 PDF 直接总结为什么效果差？
因为底层拿到的是图像而不是高质量文本。OCR 质量不稳时，模型再强也只能基于噪声总结。
什么时候该用 RAG？
当你要在多份文档里持续检索和问答时再考虑 RAG；一次性单文档摘要不必一开始就上复杂架构。
Continue Reading
继续沿着这条主线看
这部分不再重新给你一堆大卡片，而是直接把下一步阅读顺序列出来，方便继续往下走。