PDF 表格该直接转 Markdown，还是单独建表？

[小蓝]

供应商报价 PDF 里很多表格。直接转 Markdown 喂给 RAG，回答数字经常错位。

[MingK]

报价表不要只当文本。列名、单位、币种、有效期都要结构化。

[小高]

Camelot 对规整表格不错，但扫描件和复杂合并单元格会翻车。

[nora]

PyMuPDF 也有表格提取能力，可以作为候选。关键是要人工验几类 PDF。

[青菜]

我们把表格转 Markdown 后，模型会把上一行的价格拿给下一行产品。

[林小北]

这类应该检索到表格后走计算或表格问答，不要让模型凭文本猜坐标。

[rootless]

至少给每行生成 row_id，引用时能回到“第几页第几行”，不然审计没法做。

[阿航]

如果表格是核心事实，建议另建结构化表，RAG 只负责找相关表和解释口径。

[小树]

那是不是知识库要连数据库？

[MingK]

是的，RAG 不等于所有东西都塞向量库。数字类事实经常更适合 SQL。

[米饭]

我们做过一个折中：表格摘要进向量，原始 CSV 进对象存储，回答时附表格片段。

[小路灯]

这个折中不错，但要防摘要漏列。价格、阈值、日期别只在摘要里。

[小蓝]

我先把报价表拆成结构化 CSV，再让 RAG 引用 CSV 行，不直接让模型读 PDF 表。

[nora]

对。PDF 是交付格式，不一定是知识库最佳原始格式。

[林小北]

这句话可以贴墙上。拿 PDF 当唯一事实源，后面会一直补洞。