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PDF 文档的解析流程通常包括 OCR 识别、文本提取、分块（chunking）、向量嵌入（embedding）生成、以及存入向量数据库等多个步骤63% 相似待验证扫描录入方式适合逐行少量文本的快速录入场景，若需整页或大批量文档数字化，专用扫描仪+OCR软件效率远高于扫描笔62% 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)