寓言故事
档案房先把纸卷拆成能入账的条目
县衙库房堆着契纸、税票、讼状和田界图。书记若把每卷压成一串文字，标题、表格列、骑缝章和图边小字会一起丢失，之后的检索也无法回到原页。
主簿先判断页面结构，区分标题、正文、批注、表格、印记和图注，并为每个片段保留页码、坐标和原文件来源。扫描件则先经过 OCR，再标出低置信度区域。
税票中的行列关系决定金额含义。书记把单元格、跨行标题和合计关系单独记录，避免把“税率”和“税额”拼成一段含混文字。
档案员用抽样原卷核对文本、结构和来源，发现图章漏识时只修正对应页面。解析失败会进入待处理队列，而不是静默生成一份看似完整的文档。
文档解析的产物不是纯文本，而是带结构、版面和出处的可索引元素；这些信息直接决定 RAG 能否找到并引用正确证据。