做 RAG 应用，文档预处理绝对是绕不过的坎。PDF、扫描件、Word 里的奇葩表格、图片、断裂的上下文… 处理这些玩意儿，费时费力还容易心态爆炸。最近在做一个“中国企业出海策略”的 AI 问答，源数据全是各种 PDF 研究报告和政策文件。