文档识别架构思路整理；

1.文档识别架构思路整理
“直接把整个文件给 LLM”本来就不对
👉 Paddle 负责“看清楚”，LLM 负责“想明白”

1️⃣ LLM 的天然限制
上下文窗口有限（即便 128k 也不够 PDF / 扫描件）
成本高
注意力会被无关内容稀释

2️⃣ Paddle 更适合干的事 、LLM 更适合干的事、Python各自分工：

模块	作用（分工）
PaddleOCR / PP-Structure	版面、表格、字段、文字定位
规则 / Python	过滤、清洗、裁剪、对齐
LLM	语义理解、推理、归纳、结构映射