在数字化办公的时代，PDF几乎渗透到各类企业业务中：合同审批、财务报表、技术文档、项目方案……但凡涉及到格式统一、信息留痕的场景，PDF就是标准选手。然而，PDF对企业数据资产管理并“不友好”，尤其是包含复杂结构的PDF：跨页表格、混合段落、嵌套注释，甚至充满手写内容的扫描件，可以说是企业智能化流程中的“拦路虎”。

TextIn的文档解析测评工具Markdown Tester在Github发布后，我们陆续与大家探讨了目前业内对PDF解析工作的评判标准与我们各项测评指标的设计原理，包括段落、表格、公式、阅读顺序等。

随着大模型文档智能应用逐渐步入正轨，文档解析类产品成为其中重要的一环。文档解析工具能够“唤醒”沉睡在PDF文件中的知识，将其转化为机器能够识别、读取的信息.

在RAG（Retrieval-Augmented Generation）系统中，正确的阅读顺序还原有助于系统理解文档的逻辑结构和信息流，而正确的段落识别让系统能更准确地定位到文档中的关键信息段落