精选理由
LandingAI 这个思路很实在：先让解析器看懂每一页是什么，再针对不同页面用不同字段模板抽。比一套模板通吃靠谱多了。
LandingAI 提出 Agentic Document Extraction (ADE) 范式，将传统文档解析的盲抽改为先分类后抽取。ADE Classify 阶段对 PDF 逐页并发评估，分配类别标签（如工资单、银行流水），outlier 页面标记兜底。ADE Extract 阶段按类别应用对应 Pydantic schema（工资单字段：雇员姓名、发薪周期、毛薪、净薪；银行流水：银行名、账号、余额）。每个抽取值附带 chunk reference 和 page-level bounding box，实现值到源图物理坐标的可溯源审计。该范式解决了税表里抽净薪资、身份证页抽账户号等字段错配问题。
AI 翻译 · 中文
LandingAI 提出 Agentic Document Extraction (ADE) 范式，将传统文档解析的盲抽改为先分类后抽取。ADE Classify 阶段对 PDF 逐页并发评估，分配类别标签（如工资单、银行流水），outlier 页面标记兜底。ADE Extract 阶段按类别应用对应 Pydantic schema（工资单字段：雇员姓名、发薪周期、毛薪、净薪；银行流水：银行名、账号、余额）。每个抽取值附带 chunk reference 和 page-level bounding box，实现值到源图物理坐标的可溯源审计。该范式解决了税表里抽净薪资、身份证页抽账户号等字段错配问题。
LandingAI 的「先分类后抽取」文档解析范式 把传统文档解析「按统一规则硬抽」的盲抽方式，改成先给每一页打标签、再用对应 schema 抽取的流水线，让解析器从「盲读」变为「看懂再读」。 痛点：盲抽的根因 一份贷款申请 PDF 里往往混杂工资单、银行流水、税表、身份证件，传统解析器对所有页面套同一套字段模板。结果是：从税表里抽「净薪资」、从身份证页里抽「账户号」——抽出的是「模板要的」，而不是「页面有的」。本质问题是解析器不知道自…