表格与多模态证据

一个数字需要完整的语义坐标

检索到“250”没有实际用途，除非同时知道它属于哪一行、哪一列、什么币种、哪个时期及什么适用条件。表格抽取的核心不是得到更多文字，而是保留行列关系、表名、单位、脚注、合并单元格和跨页延续。财报、费率表和教育评分rubric尤其依赖这些关系。

Docling的统一表示保留表格结构与版面信息，可用于构建表格证据；对于复杂扫描件，仍应把结构化结果与原页图像关联。建议把文本/单元格结构用于召回，把原页或局部截图用于定点核验，而不是让模型凭失真的Markdown补齐布局。

切块和读取采用不同粒度

大表可以按有意义的行组拆分，但每组重复携带列名、表标题与单位；分层表头要展开成明确字段。跨页重复表头不可当数据行，续表需要连接到前页定义。若脚注改变数字含义，脚注应与相关行一起组装成最终证据。

并非所有图都适合直接向量化。流程图可能需要节点关系，趋势图需要坐标轴与系列，截图包含的按钮文字可能还需要视觉定位。先确认用户问题依赖什么视觉信息，再选择OCR、结构抽取或多模态检索，避免为简单文字图增加昂贵模型调用。

用数值问题验收

建立包含原始页面、标准单元格、单位和脚注的样本集，分别测值、行列定位与上下文恢复。错误应能回溯到解析、切块、检索或模型读取某一层。最终答案中的计算交给确定性工具，模型只负责解释口径与证据。

一个有效的反例是两张标题相似但币种不同的表：系统既要找对目标表，也要拒绝把另一张表的数值拼入计算。验证页面可读还不够，应检查引用指向准确的原页和有效版本。