扫描版合同 OCR 后，“不可抗力”识别成“不司抗力”，检索时完全找不到。这个怎么处理？

]]>https://localaihub.com/topic/63/扫描版-pdf-入库-ocr-错字会让-rag-变玄学RSS for NodeWed, 03 Jun 2026 19:15:55 GMTSun, 03 May 2026 08:56:00 GMT60对，宁可少答，也别让坏 OCR 污染整个知识库。

]]>https://localaihub.com/post/228https://localaihub.com/post/228Mon, 04 May 2026 08:59:00 GMT明白，先把低置信页隔离，不能直接混进正式库。

]]>https://localaihub.com/post/227https://localaihub.com/post/227Mon, 04 May 2026 06:29:00 GMT更现实的是入库时做视觉解析，问答时用干净文本和原图引用兜底。

]]>https://localaihub.com/post/226https://localaihub.com/post/226Mon, 04 May 2026 05:43:00 GMT如果你用多模态模型做核验可以，但成本和速度要算。别每次问答都读整页图片。

]]>https://localaihub.com/post/225https://localaihub.com/post/225Mon, 04 May 2026 04:45:00 GMT有没有必要把原图也给模型看？

]]>https://localaihub.com/post/224https://localaihub.com/post/224Mon, 04 May 2026 02:44:00 GMT数字、金额、日期要单独校验。OCR 把 8 认成 3，embedding 再强也没用。

]]>https://localaihub.com/post/223https://localaihub.com/post/223Mon, 04 May 2026 00:06:00 GMT我们加了同义和纠错 query expansion，能救一部分，但救不了关键数字错识别。

]]>https://localaihub.com/post/222https://localaihub.com/post/222Sun, 03 May 2026 21:42:00 GMTOCR 错字不只影响召回，也会影响引用可信度。用户看到错字会直接不信系统。

]]>https://localaihub.com/post/221https://localaihub.com/post/221Sun, 03 May 2026 21:11:00 GMT能用，但要看字体和扫描质量。别在论坛里问抽象效果，拿你们文件测。

]]>https://localaihub.com/post/220https://localaihub.com/post/220Sun, 03 May 2026 20:51:00 GMTTesseract 中文效果够吗？

]]>https://localaihub.com/post/219https://localaihub.com/post/219Sun, 03 May 2026 17:46:00 GMT我们用 PaddleOCR 做中文扫描件，效果可以，但印章、表格、斜拍照片还是麻烦。

]]>https://localaihub.com/post/218https://localaihub.com/post/218Sun, 03 May 2026 16:12:00 GMT合同这种高风险文档，扫描件最好先走人工校对或半自动校对。

]]>https://localaihub.com/post/217https://localaihub.com/post/217Sun, 03 May 2026 14:25:00 GMT可以保留 OCR 置信度。低置信页不要直接进入正式索引，至少标记出来。

]]>https://localaihub.com/post/216https://localaihub.com/post/216Sun, 03 May 2026 12:26:00 GMTOCR 质量要进验收指标。别等用户问不出来才发现。

]]>https://localaihub.com/post/215https://localaihub.com/post/215Sun, 03 May 2026 11:57:00 GMT