某金融中心智能文档解析与知识入库项目

人工智能其他案例ID：250882

王唯力 Neil Wang

7 年经验· Thoughtworks

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

因项目原因，作品仅能脱敏展示。

面向全球金融中心的知识服务场景，将多语言、复杂图文 PDF 转为可检索知识，改善保险申报等业务问答的流程识别与操作指引，支持面向个人及企业用户的知识服务。

设计并实现 PDF 结构化解析，结合 OCR、多模态图表理解与专用解析器，处理关系图、计算图和架构图；保留页面坐标、来源及版本，输出适合 chunking 的 Markdown。
建设案例采集与 few-shot 复用机制，实现自动区域识别、解析器路由及语义整理，处理单份约 20–300 页、平均每页约 4 张待解析图的文档。
将人工辅助解析升级为上传后自动生成 Markdown：一阶段人工操作约 10 分钟/页，升级后自动处理平均约 30 秒/页，人工转为抽检与异常处理。
推动四阶段质量评价，亲自实现 Markdown、chunking 与 QA 评分，通过多维量表、核心原则门槛及答案偏好比较定位问题，将上游内容质量与最终回答效果关联。
负责整体方案与交付，协调算法团队完成 chunking / embedding、GraphRAG 检索及图片向量化，统一接口与上下文；提出图关系补充检索和回答携图方案，推进链路集成与优化。
检索召回率由约 60% 提升至 90%；在保险申报场景中改善相似流程混淆，使回答能够给出正确的后续操作指引。