传统OCR 像拆解剧本：OCR、版面检测、分块、嵌入……每一步都可能出错，表格、图例、空间关系全都丢失，信息碎片化严重。 基于视觉模型新范式：直接把每页文档当作图片输入大模型，利用视觉模型和多模态语言模型，保留全部空间和视觉细节，像人一样理解文档。