[黑客松10th·文心伙伴] 周报 #13 bob798 2026.06.05

[bob798]

双周报，覆盖周期：2026-05-23 ~ 2026-06-05

认领者 GitHub ID

bob798

赛题信息

• 进阶任务序号：Update README.md #13
• 赛题名称：基于 OpenVINO 的多模态文档理解与智能应用开发
• 关联厂商：Intel

本期摘要

• Phase 3 RAG 端到端最小闭环跑通
  PDF → PaddleOCR-VL 解析 → 表格感知切片 → Qwen3-Embedding-0.6B-int8 编码 → ChromaDB 持久化 → Qwen3-1.7B-int4 生成带 [doc_name p.页码] 引用的回答
  新增 4 模块（embedding/vector_store/llm/rag）+ 2 脚本（build_index/run_qa）
• 实测 5 条业务问题 CPU 端跑通：3 条事实回答正确 + 2 条防幻觉拒答，平均 ~3.3 s/题（embed 69ms / retrieve 1.7ms / LLM 3270ms / ~10.7 tok/s）
• Embedding 模型选型决策：BGE-small-zh → Qwen3-Embedding-0.6B-int8-ov（官方预转 + 多语言含中文 + 全程官方 IR 复现性原则）
• P1-1 业务问题精选（5 题 eval 集对比）：暴露 small-embedder + last-token-pool 在表格行 chunk 上的系统性偏差
• P1-2 Tesseract vs PaddleOCR-VL 3 页对比：表格页 char 相似度仅 9.55%（Tesseract 完全丢失 rowspan/colspan 结构），公式页 Tesseract 0 个 LaTeX 标记 vs Paddle 12 个
• 三处 OV+Qwen3+Windows 部署坑实战修复：cp1252 编码 / symlink 权限 / enable_thinking 不生效

关键链接

• 周报正文（PR 文件视图）：见 Files changed
• 项目仓库：https://github.com/bob798/doc-qna-openvino
• 进阶方案：https://github.com/bob798/doc-qna-openvino/blob/main/docs/进阶方案.md
• W1 周报：[黑客松10th·文心伙伴] 周报 #13 bob798 2026.05.08 #598
• W2 周报：[黑客松10th·文心伙伴] 周报 #13 bob798 2026.05.22 #609
• W2→W3 方向校准：https://github.com/bob798/doc-qna-openvino/blob/main/docs/决策记录/2026-05-22_导师反馈方向校准.md