待验证60% 置信事实时间未知
RAGFlow集成了DeepDoc项目的OCR能力，能够识别扫描版PDF中的文字内容
2
来源数
60%
置信度
长期有效
时效性
2026/6/2
首次发现
来源
Qwen3.5+RAGFlow+Ollama本地AI知识库搭建完整教程
bilibiliAI-Agent搭建
涉及实体
相关事实
待验证文档处理层使用 RapidOCR（基于 PaddleOCR 模型转换、通过 ONNX Runtime 推理）配合 PyMuPDF，对矢量 PDF 直接读取内嵌文本层，对扫描件降级到 OCR 流程，并通过空间边界框聚类还原版面结构。67% 相似待验证分批处理（batching）是大型PDF OCR的首要原则67% 相似待验证原生PDF的文字以字符编码形式存储，可以直接复制、搜索和提取，无需OCR；扫描型PDF本质是图像，必须通过OCR技术识别66% 相似待验证OCR技术通过卷积神经网络识别图像中的文字，主流工具包括开源的Tesseract和商业化的百度OCR、腾讯云OCR64% 相似待验证确定性解析器直接读取PDF对象层，解析内容流中的文本操作符，建立字符到语义块的映射，输出结构化AST，且输出完全可复现。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/36565API
curl https://kongchang.com/api/v1/knowledge/claims/36565MCP
get_claim(id=36565)