Azure AI 解析（四）：Document Intelligence 文件理解分析

在前面的三篇文章中，我們建立好了 Foundry 工作流，也搞定了 Azure OpenAI 的 VNet 資安與 RBAC 身分驗證。現在，大老闆終於放心把公司機密資料丟進去了。

但在實作 RAG（檢索增強生成） 的第一天，你馬上會撞上一道無情的鐵板：原始資料的骯髒程度。

當你興高采烈地把一份「含有複雜報表、手寫簽名、斜排印章」的 PDF 合約丟給各種開源的 PDF 解析套件（像是 PyPDF2）時，出來的文字通常是一團沒有排版的字串。LLM 看到這種爛 Context，自然只能給出充滿幻覺的爛答案。

這就是為什麼在 Azure LLMOps 生態系中，負責做前處理的 Azure AI Document Intelligence (前身為 Form Recognizer)，其重要性甚至不亞於大語言模型本身。

超越傳統 OCR：從「認字」到「理解結構」

傳統的 OCR（光學字元辨識）技術，像是 Tesseract，它的任務很單純：把圖片上的像素（Pixels）轉成文字（String）。它不管你是標題、表格還是註腳，反正就是一路把字掃出來塞在一起。

但 Document Intelligence 不一樣，它引入了深度學習的視覺模型（Vision Models），它的目標是**「理解這份文件的版面結構 (Layout)」**。

Document Intelligence 將非結構化發票或 PDF 萃取成 JSON 與 Markdown 的概念圖

圖說：Document Intelligence 不只是讀文字，它會把表格結構化為 Markdown，把欄位精準抓成 JSON Key-Value 讓你直接存進資料庫。

實戰中的三大亮點能力

表格與 Markdown 還原 (Layout Model)：它能精準識別表格的框線、合併的儲存格 (Merged Cells)，並將其完美還原成 Markdown 格式的表格。這對準備 RAG 的 Context 來說是核彈級的加分，因為 LLM 對 Markdown 表格的理解力極高。
開箱即用的預訓練模型 (Prebuilt Models)：微軟已經幫你訓練好辨識發票 (Invoice)、收據 (Receipt)、身分證件 的模型。你只要把圖檔丟進去，它直接吐出 Total_Amount, Vendor_Name 等 Key-Value 結構，完全不用自己花幾個月標註框線。
極少樣本的客製化 (Custom Neural Models)：如果你的公司有一種特規的「出貨單」，你只需要準備 5 張 樣本去訓練 Custom Template，它就能學會抓取特定位置的料號與數量。

終極合體：企業級多模態 RAG 知識管線

當我們把 Document Intelligence 放到整個 Azure 生態系來看時，它扮演了「數據煉油廠」的第一道過濾器。這就是 2026 年企業實戰最標準的 RAG 架構 (RAG on Steroids)：

圖說：所有流程都被包裹在 VNet 資安邊界內。Document Intelligence 負責把爛文件洗成乾淨的 Markdown，Search 負責精準檢索，最後交給 OpenAI 總結，達到零幻覺的企業回覆。

Ingestion (萃取)：使用者上傳一份滿是表格與圖表的「Q3 財報 PDF」。Document Intelligence 的 Layout Model 將其無損轉換為高度結構化的 Markdown 文本與段落區塊。
Indexing (索引)：乾淨的 Markdown 文件被切割 (Chunking) 後，打成向量 (Embeddings)，存入 Azure AI Search。由於表格結構被完整保留，Search 的 Hybrid Search 得以發揮最大威力。
Generation (生成)：使用者發問「Q3 營收成長最多的是哪個部門？」時，Azure AI Search 撈回最相關的乾淨表格 Markdown，交給 Azure OpenAI 統整出完美的分析報告。

💡 終極解惑：Garbage In, Garbage Out

很多團隊花了幾個月在調教 GPT-4 的 Prompt，嘗試解決 RAG 系統的幻覺問題，卻死活找不出原因。其實問題往往出在「前處理」。花點預算把 PDF 萃取的工具從免費開源升級為 Document Intelligence，提供給 LLM 最乾淨的 Markdown 表格，你就會發現所謂的「幻覺」瞬間消失了一大半。這就是「資料決定模型上限」的最好體現。

Azure AI 系列總結

走過這四篇文章，我們從第一篇釐清了 Azure AI 的三層架構與 Buy vs Build 決策；在第二篇見識了 Azure AI Foundry 作為 LLMOps 兵工廠的指揮威力；第三篇我們打通了 VNet 與 RBAC 企業資安的最後一哩路；最後在第四篇，用 Document Intelligence 為 AI 裝上了銳利的雙眼。

微軟 Azure 提供的，遠不再只是一個「叫用 OpenAI API 的代購管道」。對於企業而言，這是一套從資料清理、流程編排、安全防護到模型監控，真正可以端到端（End-to-End）落地的霸權級生態系。

希望這系列解析，能幫助你在面對老闆的「AI 導入需求」時，不再只是回答「把 Prompt 寫好就好」，而是能畫出一張堅若磐石的企業架構圖！