做知识库问答的人都遇到过：技术手册、财报、合同里全是表格和跨栏排版，纯文本切片要么把表格切得稀碎，要么把左右两栏拼成一段驴唇不对马嘴。换更强的向量模型往往救不回来，因为根子在解析。本文用 RAGFlow 自带的 DeepDoc 深度版面解析，替换默认的纯切片，看实际差别。

纯文本切片为什么在表格 PDF 上失灵？

传统 chunk 按固定长度切分，遇到表格会把表头、行、数据拦腰切断，检索时只能拿到半截行；遇到双栏排版，会把左栏正文和右栏注释拼成一段。向量相似度再高，喂给模型的就是垃圾。DeepDoc 的思路是先做版面分析：识别标题、正文、表格、图注、跨栏边界，按语义块切，表格尽量整表保留。

DeepDoc 解析要调哪些关键参数？

在 RAGFlow 里新建知识库时，解析方法选带版面分析的模板，表格类文档选带表格识别的预设。关键参数：开启表格结构识别后，召回时优先把整表作为一个块返回，而不是拆行。对扫描件 PDF，要额外开 OCR，且注意 OCR 纠错——扫描质量差时，数字和小数位最容易错，财报类文档务必人工抽查。

换版面解析前后差别到底有多大？

拿一份三十页带表格的产品手册做约二十个问题的小评测：纯切片下，问某型号去年退货率这类需要定位表格行的问题，答对率很低；换成 DeepDoc 后，模型能引用整表并指出行，答对率明显提升。代价是解析变慢——同样的文档，DeepDoc 多花几倍时间，但只在建库时付一次，查询不受影响。

还有哪些文档 DeepDoc 也搞不定？

DeepDoc 不是银弹：复杂嵌套表格、彩色底纹表格仍会识别错乱。这类文档建议先转成结构化 Excel 再入库，别硬靠版面识别。另外，切分策略改了之后，要重建索引，旧的向量库不会自动升级。

文档解析和换向量模型哪个更值？

检索增强的效果瓶颈常常不在向量模型，而在文档解析。对带表格、跨栏的业务 PDF，花半小时把知识库解析方式换成 DeepDoc，收益往往比换一个贵三倍的 Embedding 模型还大。

去论坛讨论

这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：RAGFlow版面解析