一开始用 Dify / Coze 搭RAG应用时，我们也遇到过这些问题： 📄 答案明明就在文档里，AI 却没答到点上 🔍 相关内容检索到了，回答却总是缺一段 📊 一遇到跨页内容和复杂表格，效果就明显不稳定 我们的第一反应，是改提示词、调切片参数，甚至准备换模型。 后来才发现，真正影响 RAG 效果的，可能不是模型，而是一个经常被忽略的环节——文档入库前的结构处理。 如果解析后的内容结构已经乱了，后面的切片、检索和生成都会受影响： ❌ 标题层级丢失 ❌ 跨页段落被截断 ❌ 表格变成零散文本 ❌ 页眉、页脚反复混入正文 这就像先把一本书撕碎、打乱，再让 AI 从中寻找答案。 模型再聪明，也很难保证答得准确。 所以，我们做对的第一件事，就是先把入库链路整理好： PDF / Word / PPT / Excel→ SoMark 解析→ Markdown / JSON→ Dify / Coze 在这个过程中，SoMark 不只是提取文字，而是尽量保留文档原有的结构： ✅ 保留标题层级，让切片更符合章节逻辑 ✅ 拼接跨页正文，减少上下文被截断 ✅ 尽量还原表格，保留行列之间的关系 ✅ 输出 Markdown / JSON，方便继续切片和检索 简单来说：知识库想答得稳，就要先让喂进去的数据足够干净 如果你的知识库也经常答非所问，建议先别急着调整模型，检查一下入库文档： 标题层级还在吗？ 跨页内容有没有被截断？ 表格结构是否完整？ 页眉、页脚有没有混入正文？ 正在搭 RAG 知识库的朋友，可以先收藏这份自查清单 评论区告诉我：你最头疼的是跨页、表格，还是页眉页脚？ SoMark文档智能，OCR→OXR，从非结构化文档到AI- ready数据。支持21种文档元素，100页长文档仅需5秒，私有化部署一张3090即可启动 #SoMark文档智能 #OXR #OCR #文档解析 #SoMark #howto用好AI #RAG #coze #Dify #AI工具