AI 知識庫匯入 PDF 失敗？先判斷掃描檔、文字層與解析錯誤

先在 PDF 閱讀器中選取並複製一段文字。如果整頁只能當成圖片選取，這是掃描型或 image-only PDF，必須先做 OCR；Wenlan v1 不會自行 OCR。

完成 OCR 後，另存成可擷取文字的 PDF，或轉成乾淨的 `.md` / `.txt`。先抽查姓名、日期、數字、表格與閱讀順序，再交給知識庫；搜尋得到文字不代表 OCR 結果一定正確。

Wenlan 的資料夾來源只處理 `.md`、`.txt` 與 `.pdf`。文字檔上限為 1 MB，PDF 上限為 10 MB；隱藏檔、symlink 與已排除的資料夾不會進入一般掃描。不同結果要用不同修法。

不要用整個文件庫測試。複製一份無敏感資料的代表性 PDF 到單獨資料夾，完成平台與 client 設定後，註冊或重新同步這個路徑。

記錄 found、ingested、skipped 與 error，但不要停在批次摘要。文件處理完成後，搜尋一段只會出現在該 PDF 的句子，確認結果能回到正確檔案或來源。

準備一個文件中確實有答案的問題，以及一個來源完全沒有答案的問題。第一個答案應能指出支持內容；第二個應保持未知，不能用流暢文字掩蓋缺少證據。

若 Markdown 或純文字版本能通過，但原 PDF 不能，問題就在 PDF 擷取路徑，不是 embedding 或提示詞。若兩者都失敗，再檢查來源範圍、同步、檢索與引用。

對重要合約、報表或表格，OCR 與重新匯出仍可能破壞數字或結構。若無法用抽查證明結果可靠，就保留原 PDF 為權威來源，改用人工校驗的 Markdown 或文字摘要，並清楚記錄其來源與限制。