設想一家美國培訓公司,把雙欄課程說明交給 AI 草擬客服回覆。左欄解釋入門課程,右欄介紹進階課程。文字雖然都擷取到了,卻把右欄的先修條件接到左欄後面。這個虛構編輯情境提醒我們:頁面看起來正確,不代表機器收到的句子順序也正確。 先在原頁上標出標題、左欄段落、右欄段落與註腳的閱讀路徑,再對照實際送入模型的文字。別只檢查是否漏字;應確認每個條件究竟修飾哪一門課程。圈出錯接的位置,比要求模型「認真閱讀」更容易找出問題。這是一項建議的驗收方法,並非已完成的客戶測試。 W3C 的 PDF3 技術說明指出,含標籤 PDF 的閱讀順序,主要由元素的標籤順序決定;複雜版面轉換後,仍可能需要修正。 這是一份無障礙技術指引,不是某款 AI 的準確率保證。文件標示「已加標籤」,不能取代實際的順序核對。 PyMuPDF 文件提醒,預設擷取的文字可能不符合一般閱讀順序,並提供附有位置資訊的文字區塊等處理方式。 業務驗收仍應留意跨欄內容、側欄與例外條款。某個排序選項改善了一頁,不代表它理解所有版面。需要針對實際使用的擷取路徑進行樣本檢查。 對這份虛構課程說明,保留三欄記錄:原頁區域、擷取後的文字,以及審核者確認的歸屬。要求 AI 回覆引用課程名稱與對應頁碼;即使有引用,仍要檢查引用內容是否支持答案。若先修條件的歸屬不清楚,先標為待查證,不要讓流暢的回覆替編輯作決定。 若同一版面反覆出現錯接,應優先簡化來源文件的結構,保留明確標題與邏輯順序,再重新匯出並檢查。接著加入跨頁段落、註腳與雙欄樣本。把「文字齊全」與「順序正確」分開驗收。改善來源文件既方便同事閱讀,也能減少後續整理工作;實際效益仍需透過試行來衡量。