1. 引言：OCR——RAG系统中的关键问题
当我们将一个包含扫描页面的PDF或一张报告截图扔给RAG系统时，我们期望它能“读懂”里面的内容。这个“读懂”的第一步，就是OCR。然而，OCR过程并非100%准确，它受到图像质量、文字布局、字体、语言等多种因素的影响。
一个看似微不足道的OCR错误，比如把revenue识别成reuenue，或者把$5,200,000识别成S,ZOO,OOO，就会在RAG系统中引发灾难性的连锁反应：
- 索引污染：错误或乱码的文本被向量化，形成错误的“语义坐标”。
- 检索失败：当用户查询“revenue”时，由于索引中是“reuenue”，基于关键词或向量的检索都可能失败。
- 上下文误导：即使侥幸被召回，错误的上下文也会严重误导LLM，导致其进行错误的计算或得出荒谬的结论。
因此，优化OCR流程，是提升处理扫描文档和图片类知识源的RAG应用性能的最高杠杆点之一。
2. 问题剖析：一个OCR错误如何影响整个RAG链条
场景：解析扫描版财务报表
假设我们有一张扫描质量一般的财务报表截图，内容如下：
)
)
