vibeknow解析pdf中文乱码主因是字体未嵌入或ocr缺失，需先用acrobat检查字体属性，再依情况启用ocr、安装中文字体（如noto sans cjk sc）或导出txt重建嵌入字体pdf。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用VibeKnow解析PDF时出现中文乱码、文字缺失或显示为方框，说明文本流未被正确映射到Unicode字符，常见于扫描件未OCR、源PDF字体未嵌入、或VibeKnow运行环境缺少对应中文字体文件。
确认乱码类型与源头
先打开该PDF文件，用Adobe Acrobat Reader DC（非浏览器）打开→点击「文件」→「属性」→切换到「字体」选项卡。若列表中【未列出任何中文字体名称（如SimSun、Noto Sans CJK SC、Source Han Sans CN等），且所有条目均标注“未嵌入”或“子集”】，则属于字体缺失型乱码；若Acrobat中能正常显示中文，但VibeKnow输出为、□或空格，则问题出在VibeKnow解析链路，而非PDF本身损坏。
这一步跳过会误判问题归属——很多人直接重装VibeKnow却无效，就是因为没先排除PDF自身字体缺陷。
强制启用OCR处理扫描件PDF
VibeKnow默认对可选中文文本的PDF跳过OCR，但部分PDF虽含文本层，实际是低精度OCR残留或编码错乱，需人工触发高质量识别。
方法一：在VibeKnow Web控制台上传PDF后，不点「开始解析」，先勾选「启用高精度OCR」开关→再选择语言为「简体中文」→点击解析。
方法二：若使用API调用，在请求体中显式传入{"ocr_enabled": true, "ocr_lang": "zh"}，否则VibeKnow可能沿用缓存的错误文本层。
注意：OCR开启后解析耗时增加3～8秒/页，但对扫描件或疑似“伪文本PDF”，这是唯一能绕过字体映射失败的路径。
修复VibeKnow运行环境字体缺失
第一步：确认VibeKnow部署所在服务器或容器是否安装了基础中文字体。执行命令：fc-list :lang=zh（Linux/macOS）或检查C:\Windows\Fonts\目录（Windows）是否存在simhei.ttf、msyh.ttc或NotoSansCJKsc-Regular.otf。
第二步：若无对应字体，下载Noto Sans CJK SC Regular（Google开源，免版权）→解压后将NotoSansCJKsc-Regular.otf复制到VibeKnow服务所用JVM的jre/lib/fonts/目录下（Java部署）或Docker镜像的/usr/share/fonts/opentype/noto/路径（容器部署）→重启VibeKnow服务。
第三步：验证字体注册成功。在VibeKnow后台日志中搜索关键字font loaded: NotoSansCJKsc，出现即表示注入生效。未出现说明路径错误或权限不足，【字体文件必须可被JVM进程读取，chmod 644不可少】。
导出纯文本并重建PDF规避渲染缺陷
当以上步骤仍无法恢复结构化输出时，放弃直接解析，改走内容还原路径：
① 在VibeKnow控制台中，对目标PDF执行「导出为TXT」操作，获取原始提取文本；
② 将TXT内容粘贴至Word文档，手动校对关键字段（尤其数字、专有名词）；
③ Word中设置中文字体（如“微软雅黑”）→全选→「布局」→「文字方向」确保为横排→另存为PDF，勾选「嵌入所有字体」；
④ 将新生成的PDF重新导入VibeKnow——此时因字体已嵌入且编码明确，解析成功率接近100%。
