3 Commits

Author	SHA1	Message	Date
caoxiaozhu	f47611020a	fix(data_process): 修复 Word 切分行号断档与预览标题缺失 ... - 正文抽取下钻 SDT 内容控件，目录等内容不再整段丢失 - 切片投影匹配剥离序列化插入的列表自动编号，新增行锚点兜底与游标防回退 - fixed/semantic 切分路径定位失败时保留切片，不再静默丢弃 - Word 预览按段落大纲级别识别标题，未套标题样式的小节正常渲染 - 本地嵌入模型抽为共享单例，供语义分块与质量评分共用	2026-08-19 14:22:27 +08:00
caoxiaozhu	91b4ae2287	feat(data_process): 显式关闭 docling OCR 并拒绝无文本层 PDF ... - docling 转换器通过 PdfPipelineOptions 显式设置 do_ocr=False， 混合 PDF 的图片页不再产出 OCR 文字；不提供重新开启 OCR 的参数。 - 无文本层 PDF 的错误文案改为"扫描版或图片型 PDF 不支持"， 上传阶段整批拒绝，保留混合 PDF 的可处理判定。 - 新增 test_layout_converter_disables_ocr 守护开关状态， 同步设计文档与 disable-ocr 实施计划/设计说明。	2026-08-18 15:49:00 +08:00
caoxiaozhu	ea08478a37	feat(data-process): 接入三种文档切分引擎	2026-07-25 18:00:21 +08:00