Layout Bounding Box 网格对齐还原，完美恢复合并单元格中的隐藏逻辑。
不截断注意力矩阵，让切片携带完整文档层级语义，告别碎片数据孤岛。
将 image_02.png 的走势图坐标与表格文本重合映射，双向提取，双重校验。
I. 混合源文档物理快照
CONFIDENTIAL A42025年度企业财务中期汇报与资产走势
我们对华东和华南两个大区进行了全面的审计。以下是数据详情表格。本期重点观察下半年度，由于合并结算导致的账面资产调整。请参考本报告附带的折线图走势。
从下半年折线走势可以看出，华东区自Q3开始斜率显著陡峭，并最终在Q4实现了整体收益的反超与拉升。
切片技术图解 (Chunking Engineering)
长文档直接截断为固定 500 Token 碎片。编码时每个碎片各自独立。检索“Q3环比”时，对应切片由于丢失了首段的“2025年企业财务”年份主语，最终无法与提问对齐召回。
一整篇文档送入 Encoder 生成关联矩阵，保留全局 Token 注意力交互。在此之上按照物理段落进行边界切片，使得每个 Chunk 在检索时天然自带上下文元语义，大幅提升匹配率。
II. 评测沙箱与策略对比
EVALUATION SANDBOX v2.02025年企业财务汇报。我们对华东和华南两个大区进行了全面的审计。以下是数据详情表格...
| 季度 | 华东区净利润 | 华南区净利润 | 环比增长 (华东) | |---|---|---|---| | Q1 | ¥120,000 | ¥150,000 | 基期 | | Q2 | ¥140,000 | ¥160,000 | +16.7% | | Q3 | ¥185,000 | ¥175,000 | +32.1% | | Q4 | ¥210,000 | ¥190,000 | +13.5% |
[Vision Caption]: 成功定位 image_02.png 并解析折线图：华东区折线在Q3的斜率明显变陡，标注数值为 +32.1%，对应的 Y 轴绝对值为 18.5万，与表格Q3数据完美对齐。
III. 技术架构与工程白皮书 (Technical Architecture)
解读混合多模态检索底层技术链：布局边界识别、整幅文档注意力关联、混合高维向量空间。
1. Vision Bounding Box (布局提取)
利用物理坐标反投影技术，Layout-Aware 会在前置阶段对 PDF 的 A4 画布运行骨架和表格线框识别，获得精确的位置矩阵，从而将原本容易错乱混淆的复杂合并单元格完美保留为 Markdown 结构。
2. Late Chunking (延迟全局词嵌入)
常规切割无法应对数据和年份关联被无情砍断的情况。Late Chunking 使用整篇输入在自注意力（Self-Attention）生成完整的相关性系数后再物理切断，赋予每个分块全文档级的长文本语境视野。
3. Cross-Modal Fusion (跨模态对齐)
在统一映射的高维多模态向量库内，当检索提问指向趋势时，不仅直接召回带有结构性数据的 Markdown 切片，还能双向匹配到视觉模型描述的折线图，交由大模型完成终极大一统推理。
本节点承载《提示工程技术全景》中 #16 多模态思维链（思想说明 + 示例）。
已覆盖技术承载（强覆盖）
已覆盖多模态思维链 (Multimodal CoT)
把思维链从纯文本扩展到图文联合：先基于图像 + 文本生成「推理步骤」，再据此产出答案——让视觉证据进入推理链路。
- 视觉证据参与推理
- 复杂图文任务更稳
- 需多模态模型支撑
- 图文对齐易出错