KDG INPUT
正确的知识，始于正确的读取
无论AI多么先进，读取错误就不可能得出正确答案
日本的产业文档中存在大量含义仅存在于图表中的复杂布局。KDG INPUT运用独有的解析技术，将一般读取方法难以准确处理的这些文档连同结构一起数字化，精确纳入KDG的知识库。
Feature 01
复杂图表的计算机视觉解析
在像素级别解析日本规格书和表单特有的合并单元格、嵌套表格和手写注释。通过线条检测、交点识别和单元格结构推断，生成R1C1标注的引导图像，向LLM准确传达结构信息。
- 1像素级线条检测，精确识别合并单元格和嵌套结构
- 2R1C1标注引导图像帮助LLM准确提取单元格内容
- 3多层解析应对手写注释、印章和图纸内文字
Feature 02
块提取与语义分组
从PDF自动提取内容块并将语义相关的块分组。识别标题、正文、表格和图片，保持原始层次结构，生成嵌入块ID的结构化Markdown，确保完整可追溯性。
- 1识别标题、正文、表格和图片，保持文档层次结构
- 2嵌入式块ID实现从提取文本到源PDF的追溯
- 3语义分组自动将内容按意义单元整理
Feature 03
需求提取流水线
从数字化文档中提取忠实于原文的原子语句和领域术语，转换为规格级需求陈述，自动进行领域分类、类别判定和置信度评分。
- 1忠实于原文的原子语句提取，防止信息丢失
- 2自动赋予领域、类别和置信度，可视化需求质量
- 3自动生成包含封面、目录和术语表的需求规格书
Feature 04
版本间差异检测
以字符位置精度自动检测技术规格书版本间的差异。通过智能前瞻算法进行组匹配，结合LLM语义相似度评估，生成不仅说明「改了什么」还解释「为何重要」的报告。
- 1前瞻算法在组匹配中准确处理新增和删除
- 2按严重程度分类变更：重大变更/新增/删除/轻微差异
- 3附变更影响说明的报告帮助减少审查工时
Feature 05
多层精度验证
KDG INPUT高度重视「正确读取」。LLM置信度评分、基于字符位置的原典链接、结构验证、回退机制等多重精度验证层，使所有提取信息均可追溯至原文。
- 1LLM置信度评分（0.0〜1.0）定量评估提取精度
- 2基于字符位置的链接可即时参照原典对应位置
- 3结构验证和回退机制提供双重质量检查