运维文档里要紧操作写在屏幕快照和参数表中,只建文字索引因此会答错。把图像改写成说明、把图像编成视觉向量、把表格按单元格落成记录,各漏什么、如何混用?
题目
运维文档里要紧操作写在屏幕快照和参数表中,只建文字索引因此会答错。把图像改写成说明、把图像编成视觉向量、把表格按单元格落成记录,各漏什么、如何混用?
参考答案
点击展开参考答案
- 图转说明或 OCR,能进现有文本 ANN,但界面截图里未写入说明的状态(红框、按钮位置)和 OCR 错字会丢;生成端若看不到像素,也抄不出图上的准确参数。
- 图做视觉向量,能按“像哪张图”召回,但没有可读文字时,文本问题对不上,引用也很难落到单元格。
- 表拆成“表头 + 一行一条”记录,适合“某服务超时是多少”,但会拆坏合并单元格、脚注和合计行。
- 生产上通常三路并存:图存字节与框、表存 Markdown 加行记录,检索取并集,答案必须能指到页和区域。
- 截图:OCR 文本块 + 可选 caption +
page, bbox;若生成用多模态模型,检索命中后把原图一起放进上下文,否则只能放 OCR。 - 表:先结构化,再(1)整表 Markdown 保关系,(2)每行一个块,字段名在每行重复,避免“8 / 16 / 32”脱离列名。