在检索增强生成系统中，文档解析质量直接决定问答准确性。近期推出的双层PDF解析架构为此提供了解决方案。该架构依托PyMuPDF库，将解析流程划分为文档级信号与页面级内容。解析器首先提取元数据、目录及生成软件标识，智能路由至文本直取、光学字符识别或复杂布局解析管道，有效应对多源文档。页面级解析则深入处理文本渲染模式、图像覆盖度、向量表格及多栏布局。通过聚类分析文本坐标，系统可精准识别分栏结构，彻底避免传统线性提取导致的信息割裂。结合页面特征分类器，内容被精准打标并分流处理。此外，架构引入单次大语言模型调用生成文档语义摘要，明确文件类型、核心主题与关键字段，直接注入问答系统提示词，有效解决上下文缺失与指代歧义问题。目前该方案已集成至Enterprise Document Intelligence桌面应用。实践表明，这种结构信号与语义摘要相结合的策略，显著提升了复杂文档在检索增强生成流水线中的可读性与检索精度，为企业级智能文档分析奠定了可靠的数据基座。