导语：RAG 系统的质量瓶颈，往往不在大模型，而在喂进去的原料。OCR 解析出来的 Markdown 有没有错？标题识别准不准？表格有没有乱？以前你只能等分块完成后看效果碰运气。KnowFlow v2.3.5 把这个"黑盒"打开了——OCR 产物在进入分块之前，就能逐页预览、逐块编辑、逐条修正。
一个被反复踩的坑
做过企业知识库项目的人大概都有这个经历：一份 PDF 文档丢进去解析，分块完成后一看——某个表格被拆成了三段，某个标题把正文第一行也吃进去了，某段公式变成了乱码。
怎么办？调参数，重新解析，重新分块，再看效果。不行？再来一轮。
问题出在哪？出在 OCR 解析这一步。但传统的 RAG 系统里，OCR 和分块是一条流水线跑到底的，中间没有任何人工介入的机会。你能看到的最早结果，是分块之后的文本块。
说白了，等你发现问题的时候，已经晚了一步。
OCR 审阅：在源头把错误拦住
v2.3.5 做了一件看起来简单但影响深远的事：把 OCR 和分块解耦，中间插入一个可视化审阅环节。
架构上的变化是这样的：
之前：OCR 解析 → 直接分块 → 用户看到分块结果
现在：OCR 解析 → Markdown 持久化 → 人工审阅/编辑 → 触发分块
文档经过 MinerU 或 PaddleOCR 解析后，OCR 产物（Markdown 文本 + 坐标映射）会被持久化到 MinIO 存储。这时候流程暂停，用户可以进入审阅界面：
-
• 左侧：原始 PDF 页面预览，选中某个文本块时自动高亮对应的 PDF 区域
-
• 右侧：OCR 输出的 Markdown 块列表，支持逐块编辑内容、调整块类型（标题/段落/表格）
-
• 坐标联动：每个 Markdown 块都保留了 OCR 阶段的页面坐标信息，编辑内容时坐标不丢失，确保后续分块的溯源能力不受影响
审阅完成后，点击 Re-chunk 触发分块。如果有未保存的编辑，系统会自动先保存再分块，不会丢失修改。
这个设计的关键在于：OCR 产物有了"版本"概念。系统同时保存原始 OCR 结果和用户修正后的版本，随时可以回退对比。对于那些 OCR 质量参差不齐的扫描件、老旧文档，这个能力几乎是刚需。
标题诊断：OCR 最容易出错的地方，现在有了自动体检
OCR 解析中有一个特别隐蔽的问题：标题误识别。
一份技术规范里，"3.2.1 环境温度要求"是标题，但"本标准适用于以下三种情况："也可能被 OCR 误判为标题。编号列表、长句子、加粗段落——这些都是 OCR 引擎的"重灾区"。
标题识别错了，分块边界就全乱了。一个本该完整的段落被标题切成两半，检索时语义断裂，回答质量直接崩盘。
v2.3.5 新增了标题规则自动诊断，内置四条检测规则：
| 规则 | 检测内容 | 严重程度 | | --- | --- | --- | | 层级跳跃 | H1 直接跳到 H3，中间缺少 H2 | 警告 | | 缺少顶级标题 | 文档从 H2 开始，没有 H1 | 提示 | | 顶级标题过多 | H1 超过 5 个，大概率是误识别 | 警告 | | 标题过长 | 文本超过 80 字符，几乎不可能是标题 | 错误 |
诊断结果实时显示在工具栏上，不用打开对话框就能看到问题数量。
更实用的是正则过滤功能。用户可以输入一个正则表达式（比如 ^\d+[\.\d]*\s+ 匹配"1.2.3 xxx"格式的编号标题），系统会实时预览哪些标题会被保留、哪些会被降级为普通段落。Apply 之前可以反复调整，确认无误再执行。
系统还内置了几个常用预设模式：数字编号标题（1.2.3 xxx）、中文章节格式（第X章/节/条）、大写字母开头——覆盖了中文技术文档最常见的标题格式，开箱即用。
配合层级筛选，你可以只对 H2 和 H3 层级执行正则过滤，不影响 H1。这在处理那些"H1 没问题但 H2/H3 一塌糊涂"的文档时特别有用。
RBAC 权限：改了就生效，不用再等缓存过期
企业客户对权限管理的要求很直接：我把某个用户的知识库权限收回了，他应该立刻看不到，不是等 5 分钟缓存过期后才看不到。
这个问题的根源在于 RAGFlow 侧对权限查询做了 Redis 缓存（TTL 机制）。KnowFlow 在自己的数据库里改了权限，但 RAGFlow 的缓存还没过期，用户就会看到"权限已收回但还能访问"的诡异状态。
v2.3.5 的解决方案是：KnowFlow 写权限成功后，主动删除 RAGFlow Redis 中对应的缓存 key。
针对不同场景，实现了三种失效策略：
-
• 精确删除：已知用户 ID + 资源类型 + 资源 ID，直接删除对应的 3 个 key（read/write/admin），O(1) 复杂度
-
• 模式匹配：撤销权限时不确定资源类型，用 SCAN 模式匹配删除，非阻塞
-
• 批量失效：团队权限变更影响所有成员，按资源维度批量清理
Redis 连接采用延迟初始化 + 线程安全单例，连接失败时降级为 no-op，不影响主流程。说白了，缓存清理是"尽力而为"，不会因为 Redis 抖动导致权限操作本身失败。
RBAC 权限管理
工程优化：那些不起眼但很重要的改进
除了三个核心特性，v2.3.5 还有一些值得一提的优化：
批量权限检查性能提升。当用户有几十个知识库时，之前是逐个检查权限，现在改为分批请求，并增加了降级放行策略——权限服务短暂不可用时，不会导致整个知识库列表加载失败。
问答输出速度优化。流式输出的响应延迟进一步降低，体感上"第一个字出来"的等待时间明显缩短。
图文混排输出改进。系统预置提示词模板优化后，图片链接会保持在原文对应位置输出，不再被大模型"挪"到回答末尾。
PaddleOCR 修复。图片 caption 填充问题和配置保存后不立即生效的问题都已修复。
版本全景
| 类型 | 内容 | | --- | --- | | 新增 | OCR 结果可视化审阅和编辑（Markdown 预览分块） | | 新增 | 正则分块层级筛选 + 标题规则自动诊断 | | 新增 | RBAC 权限变更主动刷新 Redis 缓存 | | 优化 | 批量知识库权限检查性能（分批请求 + 降级放行） | | 优化 | 问答输出速度提升 | | 优化 | 图片链接保持原文位置输出 | | 修复 | PaddleOCR 图片 caption 填充 | | 修复 | PaddleOCR 配置保存即时生效 |
写在最后
v2.3.5 的主题可以用一句话概括：把质量管控的时机前移。
OCR 审阅让你在分块之前就能修正解析错误，标题诊断让你在分块之前就能发现结构问题，权限缓存即时失效让管理操作不再有"延迟生效"的窗口期。
这些能力单独看都不算惊天动地，但组合在一起，解决的是企业 RAG 落地中最实际的问题：可控性。
KnowFlow 开源版本已同步更新到 v2.1.8 稳定版本，赋能更多企业落地知识库。欢迎关注公众号 KnowFlow企业知识库 加入交流群或进行商务合作，也欢迎在评论区聊聊你在文档解析中踩过的坑。
