一份PDF进了知识库，表格和脚注去哪了？

假设一份PDF价目表写着“200元／次”，旁边有颗小星号，指向页脚：仅限基础套餐，其他项目另计。

把它放进知识库，问AI：“这个服务多少钱？”回答只有“每次200元”。数字对得上，条件却没了。真按这个价格办事，就可能产生误解。

排查时，可以把原表、提取后的内容和本次检索结果摆在一起。脚注在哪一步不见了？也许根本没被提取，也许已经存进去了，只是这次没被找到。两种情况，修的地方不同。

我们读表格，很少把这些动作说出来：先认表头，再看数值落在哪一列，碰到星号就往下找注释。页面上的位置也在传递意思。哪怕一句话都没改，位置乱了，读法也可能跟着变。

许多知识库会把文件提取成文字，拆成若干片段，提问时再挑出相关内容交给模型。模型看到的，未必是你眼前那张完整的表。价格和脚注如果分开存放，又没有保留关联，检索可能只带回前者。

跨页表格也有类似麻烦：第一页有表头，第二页只剩数据。还有双栏文档，左右两栏的文字被串在一起，原本各说各的话，提取后却像同一句。光数提取了多少字，看不出这些问题。

修复要具体到那份材料。那条200元的记录，至少得能找到项目、计价单位和套餐限制。注释短，和价格放在一起就方便核对；注释长，可以另存，但检索价格时要能把相关条件一并取回。

大表格拆成小表后，也得保留各自的表头和单位。200元一次与200元一个月，差别可不小。来源文件、版本和原文位置也值得留下，发现疑问时有地方查，必要时还能继续找相邻内容。

工具能帮一部分忙。[微软的结构感知切分文档](https://learn.microsoft.com/en-us/azure/search/search-how-to-semantic-chunking)介绍了按标题和段落组织材料的做法。不过，识别出表格或段落，还不能说明每条注释都接对了地方，处理后的内容仍要抽查。

试用知识库时，可以专门挑几份难读的文件，问那些离开表头或脚注就答不全的问题。“多少钱”之后，再补一句：“适用于哪些项目，哪些费用另算？”把检索到的材料也打开，别只看最后的回答。

如果条件根本没送到模型面前，只改回答时的提示词，很难补回来；条件已经齐了还答错，再查模型有没有误读或漏说。查清这一步，才知道该改哪里。

几份样本查过了，还要按文档类型扩大抽查。那张带星号的价目表可以留着，以后换了解析工具，再问一遍。报价仍然是每次200元，基础套餐的限制也得带上，才算把这条价格说完整。