文档解析验收需要沿着原文件、解析文本、分段索引、检索证据和最终答案逐层检查。文件上传成功后，仍可能存在表格错列、页眉混入正文、扫描文字缺失或引用定位偏差。每一类问题应定位到具体处理阶段。
这份清单适合接入新文档类型、更换解析服务或升级相关组件时使用。业务负责人确认正确内容，实施人员检查处理链路，应用负责人验收答案与引用。
按文档类型准备样本
| 文档类型 | 样本应覆盖 | 重点检查 |
|---|---|---|
| 可复制文本 PDF | 多栏、页眉页脚、跨页段落 | 阅读顺序、重复噪声与段落连续性 |
| 扫描 PDF 与图片 | 低清晰度、旋转、印章和混合语言 | OCR 完整性、关键数字与单位 |
| 表格 | 合并单元格、多层表头、跨页表格 | 行列关系、表头继承与数字归属 |
| Word 与演示文稿 | 标题层级、列表、图注和备注 | 结构保留与图片说明对应关系 |
| 网页或链接来源 | 导航、正文、权限和来源变化 | 正文提取、来源可达性与更新结果 |
样本中同时放入正常文件和已知困难文件。对关键字段标注原页位置及正确值，保留可用于回答问题的原文证据。验收阈值由业务风险确定，例如金额、日期与安全操作步骤可单独设为关键字段。
明确实际处理路径
FastGPT 的文件读取能力、解析服务和聊天文件输入存在不同入口。知识库导入与会话临时文件使用的处理方式也需要分别确认。按部署版本记录文件类型、解析器、OCR 配置、图片处理方式与输出位置。
在所用入口上传样本后，保存解析文本并与原文件抽样对照。对于图片描述与表格结构，检查实际输出是否保留了回答所需信息。图像生成的描述属于模型输出，需要通过原图确认其准确性。
自定义 PDF 增强解析接口接收带 file 字段的 multipart/form-data POST 请求，返回包含 pages 与 markdown 的 JSON。使用该接入方式时，按当前版本配置服务与可选鉴权，重启后在导入入口启用 PDF 增强解析，并用同一文件验证接口输出与实际入库内容。
四层验收
- 解析层：对照原文检查关键字段、阅读顺序、表格对应关系和缺失内容，记录错误所在页。
- 分段层：检查标题与正文是否保持关联，跨页内容是否完整，表头或单位是否跟随数据；抽查过短、过长和重复分段。
- 检索层：使用固定问题，检查前 k 个结果是否包含足以支持答案的片段，并记录空召回与相似文档混淆。
- 回答层：检查回答是否与证据一致，引用能否定位到正确材料，以及信息不足时的处理行为。
同一问题应能串起原文件、分段、检索结果和答案。发现错误后，先确定最早发生偏差的层，再修正对应配置或内容并复测。
把异常文件纳入验收
测试受密码保护、损坏、超出限制、处理超时和来源失效的文件。记录用户看到的状态、任务队列中的结果以及可执行的恢复动作。批量导入还应核对成功、失败、重复和待处理数量，确保每个输入文件有对应结果。
重新提交文件前检查系统中的已有记录，避免重复入库影响检索。修正解析配置后，对同一批样本重新处理，并保持生成模型、检索参数和问题集稳定，便于比较前后差异。
输出可复用的验收记录
记录文件标识、文件类型、解析配置、错误位置、受影响问题、处理人和复测结果。将高风险错误和边界样本加入后续升级的固定验收集。上线观察阶段持续补充真实失败样本，让文档解析验收覆盖实际业务输入。