面向生成式 AI 工作负载的智能内容摄取

论文提出一套生产级内容抽取系统，将内容抽取显式化为可配置、可度量的生命周期阶段，包含选择性 OCR 路由、稀缺优先的数据筛选引擎、确定性结构感知父子分块器和只读检索评估器。在 180 份文档语料上，最佳抽取器得分 97.4/100（字符错误率 0.13%，表格相似度 0.995），分块器在 25,050 个生成问题上取得 hit@1 68.6%、hit@10 92.8%、MRR 0.77。