AO2 FIELD GUIDE · N050 · AI 問答與 RAG 應用
OCR 知識庫檢查需核對原頁與抽取結果的符號、單位、表格及註腳。附風險抽查表和缺陷工單，避免把可搜尋文字直接當成核准知識。
掃描文件能被轉成文字，只代表取得了候選內容。進入知識庫前，還需確認數值、正負號、單位、表格關聯、註腳與頁序是否保留；會改變產品判斷的錯誤，不能只用整份文件的平均辨識品質帶過。
OCR 知識庫檢查：從會改變結論的錯誤開始
電子規格中一個負號、上標或單位被誤讀，後續回答就可能完全不同。文字看起來通順，也不表示來源正確。先請 PM 列出哪些欄位會影響選型與對外承諾，例如型號、範圍、必要配件與適用條件，再為這些內容安排較嚴格的核對。一般敘述可用不同的抽查方式，不必假設每種錯誤的影響相同。
原始掃描品質也是工作的一部分。頁面歪斜、模糊、陰影或被裁掉的註腳，不能靠後續模型保證補回。若能取得可授權使用的原生文字檔或更清楚版本，應先比較來源；但也要核對版本是否相同。新的 PDF 不一定是新的規格，不能為了辨識容易就換掉原本需處理的文件。
| 區域 | 重點檢查 | 常見影響 |
|---|---|---|
| 數值與符號 | 正負號、小數、上下標及範圍 | 改變參數大小或適用方向 |
| 單位與縮寫 | 大小寫、希臘字母及單位 | 將不同量誤當同一數值 |
| 表格 | 型號、列欄與合併表頭 | 把正確值配給錯誤產品 |
| 註腳與圖說 | 條件標記、位置與引用對象 | 限制被遺漏或套錯 |
| 頁序與版面 | 多欄順序、跨頁與文件版本 | 不同段落或版本混讀 |
文字抽取與版面關係需要分開驗收
Microsoft 的 Document Intelligence 版面模型說明包含文字、表格與文件結構的抽取。這些能力有助保留關係，但不代表任一實際文件都會正確還原。使用哪一個產品或模型，仍需用自己的合法來源做驗收；本文的工作表不依賴特定工具，也不提供沒有測試依據的準確率。
尤其要查看多欄閱讀順序、跨頁表格、合併儲存格、表頭與圖說。若模型把表格依列攤平成一長串文字，數值可能都在，卻失去對應型號與條件。後續切段再精細，也難以修復已遺失的關係。先在抽取層重建可核對的結構，再決定如何進入檢索。
以原頁、抽取結果與來源位置做三方核對
假想半導體文件情境：一頁有不同版本的參數欄，註腳只限定其中一種配置。抽取後若把註腳放到下一頁的段落，AI 可能把限制套錯對象。檢查者應同時看到原頁影像、抽取的文字或結構，以及可定位的頁碼與區域。發現問題時記錄預期內容和實際內容，而不只寫「OCR 不準」。
必要的人工修正應保留來源與修改人，不能無痕地把推測填回資料。如果原頁本身不清楚，狀態就是來源不足，交由文件負責人取得較可靠資料。AI 可以提出疑似錯誤候選，但無權根據常識把缺失的規格補成看似合理的值。
| 欄位 | 應記錄什麼 | 可接受的結案證據 |
|---|---|---|
| 來源定位 | 文件 ID、版本、頁與區域 | 可以回到同一原頁 |
| 預期與實際 | 原文、抽取值與關係差異 | 核對後的文字與結構 |
| 影響與範圍 | 是否影響規格、其他同版面頁 | 擴大核對的結果 |
| 修復與驗證 | 修正人、方法與後續測試題 | 重抽取、切段與回答皆通過核對 |
抽查規則依文件風險設計，不用固定百分比假裝完整
先分層：新的版面類型、關鍵規格區、跨頁表格、低品質掃描與一般敘述。對可能造成錯誤選型的內容，可要求逐項核對；一般內容採抽查時，需記錄抽查範圍、缺陷與升級條件。發現同類錯誤反覆出現，就擴大到相同模板或同批次，不只修正被挑中的那幾頁。
工具若提供信心分數，可作為尋找待檢查區域的線索，不能直接等同內容正確機率或核准狀態。高信心的符號也可能用錯上下文，低信心的文字則可能只是字體特殊。驗收應以關鍵欄位與關係是否正確為核心，同時保留未涵蓋頁面的限制。
進入 RAG 後，再用問題驗證關係真的可用
抽取驗收完成後，用同一份核准資料建立幾個問題：指定型號的條件、不同版本差異、註腳限制，以及文件沒有答案的情況。核對系統取回的片段是否保留表頭、條件和來源位置。若來源可讀但檢索回錯版本，問題已不只在 OCR，應交給版本與檢索流程處理。
對生技製藥合作文件或涉及測試報告的素材，處理範圍與工具使用還需先獲指定資料責任人確認。本文只說明文字與結構驗收，不能將抽取成功視為報告真實性、產品資格或專業判定已完成。被核准的是特定來源與用途，不是工具產生的所有文字。
常見問題
已經能複製 PDF 文字，還需要 OCR 嗎？
先檢查既有文字層是否可靠，再決定。可抽取標題、跨欄段落、規格表與圖說，比較複製文字的順序、符號與欄列是否正確。若文字層完整，重新 OCR 可能反而引入錯誤；若部分頁面只有影像，可只處理該範圍。保留原頁與擷取文字的對照，對型號、數值和單位加強核對。能選取文字不代表結構正確，因此仍需驗收表格與版本資訊。
只看辨識信心分數可以驗收嗎？
不能只靠辨識信心分數驗收。先把會改變產品判斷的資訊列成重點：型號、版本、小數點、正負號、不等號、單位及表格欄列關係。例如 μm 被讀成 m，或典型值被移到最大值欄，即使文字通順也可能改變意思。將擷取值逐項對照核准原頁，保存文件 ID、頁碼、原文位置與修正紀錄；有歧義的數值先標示待確認，避免進入可對外回答的資料集。文字改正後，再檢查切段與問答輸出，確認錯誤沒有留在舊索引中。以上為編輯驗收方法，個別專業數值仍須由產品責任人確認。
原圖與文字不一致時，哪份算準？
先確認哪份是核准來源，而不是自動選看起來較清楚的那份。保存文件 ID、版號、頁碼、原圖與文字差異，暫停使用爭議主張；由產品或文件責任人判定是辨識錯誤、版本混用，還是原文件本身有問題。來源不清時要求可確認的新文件。修正後回查擷取文字、切段與索引，再用涉及該數值的問題測試，避免只改 PDF 顯示卻留下舊答案。
來源與方法範圍
查核日期：2026 年 10 月 22 日。官方資料僅支持文中對應的平台或方法說明；工作表、決策步驟與核對方式為 AO2 編輯整理。產業情境依文中標示作假想示例，不作客戶實績、產品資格或效果背書。
