首页/AI/RAG 与向量库速查/表格信息丢失的修复

表格信息丢失的修复

表格在解析中易退化为乱序文本:修复手段包括解析阶段启用表格识别(Camelot/docling 等)、按表转 Markdown 或 CSV 入库、对宽表按行组切分;查询时用结构化表述回填。

RAG 与向量库速查AI更新于 2026-10-12

表格转 Markdown 入块

表格转 Markdown 入块
| 模型 | 维度 | 适用 |
| --- | --- | --- |
| bge-m3 | 1024 | 中英多语 |
| e5-large | 1024 | 英文为主 |
(表头与单位需与正文一起保留)

行级切分(宽表示例)

行级切分(宽表示例)
for row in table_rows:
    row_text = " | ".join(f"{h}: {v}" for h, v in zip(headers, row))
    chunks.append(row_text)   # 每行可独立检索,附表格标题元数据
保留表格标题与列名:仅存数据行会丢失语义,检索命中后无法理解。

易错点

  • 表格按纯文本流解析,列对齐丢失导致数据错位
  • 宽表整体入库超长被截断,后半列不可检索

数据来源与参考

  • Camelot 官方文档(表格抽取)
  • Docling 官方文档(表格结构输出)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌